★ 3
机器人操作策略从混合质量部署经验中学习
论文针对机器人策略部署后积累的混合质量经验（成功、部分进展、失败），提出预测式动作块学习（PACL）。PACL 学习块级预测评论家，将 Q 值转为离散质量条件，引导扩散演员从混合质量经验中联合学习。在仿真与真实机器人操作任务上持续优于模仿学习和离线强化学习基线。
arXiv cs.LG38 天前
#模仿学习
共 9 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
新方法：组合感知主动模仿学习补全缺失桥梁
论文提出AALT方法，通过请求最大化起止连通性增益的演示来提升主动模仿学习效率。AALT将已有演示组织为潜在枢纽状态拓扑，识别高价值桥接演示，并在推理时通过拓扑规划与扩散策略条件化。在72任务的UR5e机器人有序检索域中，仅用3个演示即从42/72提升至72/72全部成功。
arXiv cs.AI46 天前
★ 3
OpenArm：面向物理 AI 研究的全开源人形机械臂
OpenArm 是一款开源 7 自由度人形机械臂，专为接触密集型环境下的物理 AI 研究与部署设计。其高反向驱动性与柔顺性兼顾人机交互安全，双臂系统售价 6500 美元，支持遥操作、模仿学习与真实数据采集，并提供标准化评测环境以促进全球可复现研究。
Lobsters – Machine Learning48 天前
★ 3
从16万次训练中汲取策略学习经验
论文对离线强化与模仿学习开展大规模实证研究，跨114个数据集训练超过16万个策略。结果显示没有算法全面占优，超参数调优常重排算法排名，基准组成可产生矛盾结论。作者据此开发数据集条件推荐器，并发布JumpStart资源套件，包含全部策略、分数、超参数、基线、代码与可扩展网站，旨在提升离线策略学习研究…
arXiv cs.LG48 天前
★ 3
Reward AI发布纯人类演示训练的OM-1机器人策略
Reward AI发布OM-1（Omnibody Model 1）通用操作策略，完全基于7自由度可穿戴手套采集的人类演示数据训练，无需遥操作或机器人本体数据。该策略可在工业机械臂与人形机器人上以人类速度运行，不到30分钟数据即可学会新任务，并搭配电磁手部追踪与强化学习控制层。目前权重、代码与API…
MarkTechPost48 天前
★ 2
研究提出示教学习的贝叶斯模型：展示与执行有别
论文为「通过演示进行教学」建立贝叶斯模型，区分演示者有意教学（showing）与单纯执行任务（doing）两种情形。两项实验显示人类参与者的教学行为符合模型预测，且标准逆强化学习算法从「展示」中学习效果更好。
arXiv cs.LG19 天前
★ 2
高斯与Beta策略的图像连续控制分歧正则模仿学习
论文评估分歧正则化模仿学习（DRIL）在图像连续控制中的效果，在CarRacing上结合高斯与Beta策略、不同专家演示与轨迹数量进行受控实验。结果显示DRIL在少演示场景提升最大，相比最强行为克隆均值提升61%至112%，但演示增多后优势收窄。
arXiv cs.LG32 天前
★ 2
部分可观测模仿的最小循环行为记忆
论文研究在部分可观测下复现指定专家所需的最少循环记忆，用兼容关系刻画该最小记忆。作者提出单载体测量协议，分离行为充分性、超额码率与观测携带的信息。实验显示在操作任务中学习码率接近零比特与两比特需求，而学习该表示仍然困难，事件无关的未来行为监督可将最长视野像素设置从 0/8 提升到 6/8 充分种子。
arXiv cs.LG40 天前
★ 2
CARLA 中自动驾驶的模仿学习
论文研究紧凑多模态策略能否从离线专家演示中获得闭环驾驶能力。策略使用五帧 RGB、LiDAR、车辆遥测与车道航点历史，以 20Hz 预测油门、刹车与转向。仅 136 万参数、约 3.3 小时驾驶数据的模型可在训练与留出路线自主行驶数小时且无碰撞，并定性迁移到未见过的 CARLA 城镇。作者同时发布…
arXiv cs.AI46 天前