研究人员开发了 RoboCoach，一个利用世界模型改进机器人技能组合的新框架。该系统使用 RIDI 循环（路线规划-想象-诊断-改进）在名为 COACHWORLD 的世界模型中模拟失败，识别需要额外演示或专家更新的特定子任务。这种有针对性的指导方法显著提高了机器人性能，在使用仅 150 次额外的子任务演示后，在 Franka 平台上的成功率从 13.3% 提高到 75.0%，在 AgileX 平台上的成功率从 40.0% 提高到 83.8%。经过指导的专家也表现出向新任务迁移的能力，优于基线方法。 AI
影响 这项研究可能带来更高效、更具适应性的机器人学习系统，减少对大量真实世界演示的需求。
排序理由 该集群描述了一篇详细介绍机器人技能改进新框架的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.39685v1 Announce Type: cross Abstract: Long-horizon robot manipulation reuses skills across many task compositions, but improving these compositions with additional end-to-end demonstrations is costly. A practical self-improving system must decide both what to teach ne…
Long-horizon robot manipulation reuses skills across many task compositions, but improving these compositions with additional end-to-end demonstrations is costly. A practical self-improving system must decide both what to teach next and where to apply that supervision. We present…