研究人员开发了一种能够自我补偿的视觉-语言-动作（VLA）策略，旨在适应现实世界中的机器人执行错误。该方法通过学习指令运动与执行运动之间的差异来在线更新 VLA 策略，而无需任务奖励或标签。为了严格测试 VLA 的鲁棒性，创建了一个名为 RoboStress 的新模拟基准，其中包含各种机械和操作错误模型。自我补偿的 VLA 在模拟和物理机械臂上的任务成功率方面均有显著提高，即使面对训练中未遇到的物体也是如此。 AI
影响 通过使策略能够适应现实世界的机械缺陷来提高机器人可靠性。
排序理由 该集群包含一篇学术论文，详细介绍了一种新的机器人控制方法和基准。 [lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
