实体
LIBERO-Pro
LIBERO-Pro
PulseAugur coverage of LIBERO-Pro — every cluster mentioning LIBERO-Pro across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
NVIDIA ASPIRE 框架使机器人能够学习和复用技能
NVIDIA 推出了 ASPIRE，一个旨在克服传统机器人编程局限性的新型机器人框架。ASPIRE 采用自学习、持续学习系统，通过存储和复用成功的技能来编写和优化机器人控制程序。该框架利用带有持久技能库的协调器-执行器架构，使机器人能够从过去的经验中学习，并将这些经验应用于新任务，从而随着时间的推移提高效率和学习速度。在模拟中，ASPIRE 在 LIBERO-Pro 基准测试的长任务上展示了 31% 的零样本性能。
-
机器人通过玩耍学习技能，提高任务表现
研究人员引入了“玩耍式自主机器人学习”（Playful Agentic Robot Learning, RATs）系统，该系统使具身智能体在执行特定任务之前，通过自我导向的玩耍来学习技能。这种方法允许智能体提出新颖的探索性任务，编写和优化代码即策略程序，并将成功的执行提炼成可重用的技能库。实验表明，在玩耍过程中学到的技能显著提高了在LIBERO-PRO和MolmoSpaces等模拟环境下游任务上的表现，优于基线方法。这些学到的技能还可…