★ 4
刷视频教机器人干活:1200亿tokens人类动作预训练
研究利用1200亿tokens的人类动作视频数据预训练机器人,误差随规模按幂律下降。该方法押注互联网视频中的人类经验,为机器人学习提供了新范式。
量子位40 天前
共 5 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究利用1200亿tokens的人类动作视频数据预训练机器人,误差随规模按幂律下降。该方法押注互联网视频中的人类经验,为机器人学习提供了新范式。
论文提出 DySCOVER 自监督框架,让机器人通过好奇心驱动的主动交互提升视觉学习。机器人学习视觉自编码器并训练循环世界模型预测下一视觉潜状态,策略仅用重建误差与世界模型预测误差作为内在奖励。机械臂实验表明,加入预测性好奇心在多种初始条件、经验容量与场景下均稳定优于仅用视觉好奇心。
大晓机器人联合南洋理工大学 S-Lab 与上海人工智能实验室发布 HSImul3R,一个可仿真的人-场景交互重建框架。该工作旨在把人类视频转化为可用的机器人技能来源,通过重建人与场景的交互过程为具身智能提供训练数据。这有助于缓解机器人学习中真实交互数据稀缺的瓶颈。
Hacker News 上关于机器人训练的讨论帖获得 32 分热度与 13 条评论,聚焦机器人学习与训练方法。属于社区技术讨论,未涉及具体产品或公司发布。