一篇新研究论文介绍了一个名为GaugeBench的框架，该框架旨在评估机器人表示的鲁棒性。研究表明，即使在物理上等效的情况下，机器人描述的变化也会严重降低策略性能，有时甚至比引入全新机器人更严重。这种现象对关节描述中的轴反转特别敏感，而关节零点的变化影响很小。研究表明，当前的跨具身评估可能无法充分测试表示鲁棒性，并提出了双描述迁移和跨等效约定训练等方法来改进它。 AI
影响 强调了AI开发中对鲁棒机器人表示的关键需求，影响模拟到现实的迁移和策略泛化。
排序理由 介绍新基准和研究结果的研究论文。[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 →
