研究人员开发了一个名为Failure-Aware Retry (FAR) 的新框架，以帮助机器人在操作过程中从错误中学习。FAR使机器人在遇到故障后能够自主调整其行为，而不是重复犯错。该系统使用故障对比偏好适应来引导策略避开不成功的动作，并整合成功的恢复数据以实现持续改进。实验表明，FAR在模拟和现实世界的机器人任务中都显著提高了成功率和鲁棒性。 AI
影响 通过从失败中学习来增强机器人自主性和鲁棒性，有可能提高现实世界应用的效率。
排序理由 该集群包含一篇详细介绍机器人策略改进新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.01111v1 Announce Type: cross Abstract: Robot policies inevitably encounter failures when deployed in real environments. Naive retries often repeat the same mistakes, while many existing recovery methods rely on human intervention. In this paper, we propose Failure-Awar…
Robot policies inevitably encounter failures when deployed in real environments. Naive retries often repeat the same mistakes, while many existing recovery methods rely on human intervention. In this paper, we propose Failure-Aware Retry (FAR), a framework that enables robots to …