Apple 研究人员发布 MoMo，实现机器人操控的自适应性

Apple 研究人员开发了 MoMo，一个两阶段模仿学习框架，旨在使机器人能够将其操控行为适应不同情境。该系统使用时空动作分词器和 Transformer，以任务和连续运动模式条件作为输入。在六个真实机器人操控任务上的实验表明，改变此条件可以产生不同的稳定、动态和中间行为，并且 MoMo 在保持任务成功的同时成功迁移了未见过的运动模式。 AI

影响 增强了机器人操控任务的适应性和泛化能力，有望提高机器人学研究和应用的效率。

排序理由 该集群包含一篇详细介绍机器人操控新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Apple Machine Learning Research 阅读 →

• Apple Inc.
• Arto Kivila
• Benoît Landry
• Efficient ConvBN Blocks
• Hugues Thomas
• Humanoid Policy
• International Conference on Learning Representations
• Momo
• Mouli Sivapurapu
• Peide Huang
• Yuhan Hu

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →