PulseAugur
中
实时 10:57:34

新的RESample框架通过失败恢复数据改进机器人操作

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了RESample，一个新颖的数据增强框架，旨在提高视觉-语言-动作（VLA）模型在机器人操作任务中的性能。该框架通过主动补充包含失败模式和后续恢复动作的轨迹来解决分布偏移和失败恢复问题。通过训练一个覆盖函数来识别数据分布中缺失的失败案例，RESample指导探索性采样来生成这些关键轨迹。在LIBERO基准和真实机器人任务上的实验表明，RESample显著提高了策略成功率，在训练数据适度增加的情况下，绝对增幅高达12%。 AI

影响 通过提高VLA模型对真实世界执行偏差和失败的鲁棒性，增强了机器人操作能力。

排序理由 该集群描述了一篇关于AI数据增强新框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新的RESample框架通过失败恢复数据改进机器人操作

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yuquan Xue, Guanxing Lu, Zhenyu Wu, Chuanrui Zhang, Bofang Jia, Zhengyi Gu, Ziwei Wang ·

    RESample：一种通过探索性采样实现机器人操作的鲁棒数据增强框架

    arXiv:2510.17640v4 Announce Type: replace-cross Abstract: Vision-Language-Action (VLA) models have shown strong manipulation capability when trained with large-scale imitation learning datasets. However, these datasets that predominantly consist of successful trajectories rarely …

相关实体

相关话题