研究人员开发了一种新颖的流水线，以提高大规模视觉语言动作（VLA）机器人模型训练后的人类效率。该方法通过将角色专业化为用于高价值干预的远程操作员和用于监控多个机器人的地面操作员，从而优化了人力，使得一小队人可以管理更多的机器人。该流水线还引入了VLAC-CUT，这是一个通过将机器人轨迹数据分割成有用、空闲、导致失败和恢复部分来策展数据的工具，这些数据随后与人工干预数据一起用于后续的训练轮次。该方法在现实世界的操作任务中显示出显著的改进，成功率达到80%-95%，与基础模型相比，任务吞吐量提高了1.7倍至4.2倍。 AI
影响 优化大规模训练中的人机交互，可能降低成本并加速机器人系统的部署。
排序理由 该集群包含一篇详细介绍机器人训练后新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
