研究人员开发了PRISM,一个旨在增强类人机器人 loco-manipulation(运动操控)任务训练的新型框架。该系统通过视频到视频生成,将少量真实世界视频扩充为大型、多样化的数据集,生成大量“反事实”的人体-物体交互视频。然后,该框架将这些交互重构为物理上可行的轨迹,使单个策略能够泛化到各种物体和配置。该策略仅通过深度观测进行训练,允许真实机器人拾取、携带和放下物体,而无需进行真实世界的微调。 AI
影响 为类人机器人提供更具可扩展性和多样性的训练数据,有可能加速其在复杂操控任务中的部署。
排序理由 该集群描述了一篇详细介绍新机器人训练框架的研究论文。
在 Hugging Face Daily Papers 阅读 →
- Barrels
- Binswangen
- Hugging Face
- humanoid
- Librarian Bot
- Loco-Manipulation Control for Arm-Mounted Quadruped Robots: Dynamic and Kinematic Strategies
- PRISM
- Real-to-Sim-to-Real
- Semantic Scholar API
- testicle
- video-to-video generation
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →