Edgar Welte

FlowCorrect 使机器人能够在无需重新训练的情况下从人类纠正中学习

研究人员开发了 FlowCorrect，一种用于适应机器人生成式操作策略的新方法。该方法允许机器人在操作过程中通过 VR 界面从稀疏的、相对的人类纠正中学习，而无需重新训练整个模型。FlowCorrect 在实际机器人实验中，在先前失败的任务上取得了 80% 的成功率，同时保持了在已掌握任务上的性能。该系统旨在实现高效、样本高效且增量的“人在回路中”对视觉运动策略的调整。