从稀疏成功信号学习机器人策略
本文介绍了基于信号时序逻辑的Stein变分策略梯度(STL-SVPG)方法,用于在稀疏成功信号的任务中学习机器人策略。
arXiv · 预印本阅读全文 ↗
IAEI / RESEARCH & IDEAS
关注具身智能、机器人与交互学习的研究简讯,附原始资料与阅读链接。
持续关注研究进展
简讯基于公开研究摘要自动整理,不代表独立验证或协会背书。
本文介绍了基于信号时序逻辑的Stein变分策略梯度(STL-SVPG)方法,用于在稀疏成功信号的任务中学习机器人策略。
本文介绍了RIVET框架,该框架利用共享的对象中心表示来生成和集成机器人操作任务的可执行程序。
本文介绍了ReVAMP,一种通过解析逆运动学进行重参数化的向量化运动规划方法,旨在提高具有复杂约束的机器人运动规划效率。
Rolling-WAM 通过在规划周期中分布去噪过程,解决了世界动作模型中的延迟问题,提升了机器人操作性能和速度。
本文介绍了RAPID,一种从单个视觉演示自动生成、验证和优化机器人程序的系统。
世界行动代理(WAA)通过视觉语言模型(VLMs)在视觉动作工作空间内控制机器人,以支持决策和技能获取。
RoboTwin-Phys通过引入一个新的基准测试,解决了机器人操作基准测试中缺乏物理条件多样性的问题,该基准测试会改变诸如质量、摩擦力和关节动力学等物理参数。