实体
LIBERO-90
LIBERO-90
PulseAugur coverage of LIBERO-90 — every cluster mentioning LIBERO-90 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的D2R方法利用世界模型解决机器人策略遗忘问题
研究人员开发了一种名为Dream to Remember (D2R)的新方法,以解决通用机器人策略中的灾难性遗忘问题。D2R在利用预训练的世界模型进行旧任务演练的同时,持续引导一个固定的策略学习新任务。这种方法将引导模块锚定在其先前的行为上,而无需回放缓冲区或新数据。实验表明,即使世界模型不完全准确,D2R也能显著提高顺序任务的性能,并在模拟和真实机器人平台上都显示出有效性。
-
Skill2Real框架增强机器人技能从模拟到现实的迁移
研究人员开发了Skill2Real,一个新颖的代理策略框架,旨在改进机器人技能从模拟到现实应用的迁移。该框架利用一个提议者-验证者-管理者(Proposer-Verifier-Governor)循环来诊断结果并验证更新,确保学习到的技能能够基于可观察的数据和API语义。该系统取得了显著成功,使用GPT-5.6 Sol训练的技能在一个复杂任务上的成功率为56.3%,远高于初始的2.0%。当应用于现实世界的操作任务时,这些技能的完成率为78.75%。
-
机器人策略生成方法DISC将语言与控制解耦
研究人员开发了一种名为DISC(Decoupling Instruction from State-Conditioned Control)的新方法,以改进机器人中的语言条件操作策略。DISC在结构上将指令处理与状态条件控制分开,防止策略学习绕过语言基础的捷径。它通过使用超网络直接从指令生成特定任务的视觉运动策略来实现这一点,确保任务意识仅来自语言。