Meta-World Physics
PulseAugur coverage of Meta-World Physics — every cluster mentioning Meta-World Physics across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的MORL方法使用路由集成平衡竞争性AI目标
研究人员开发了一种新的多目标强化学习(MORL)方法,该方法解决了在AI系统中平衡竞争性目标所带来的挑战。该方法引入了目标冲突系数来量化不匹配,并推导了在线学习的遗憾界限。它还提出了一种路由集成策略学习算法,该算法动态地将轨迹分配给最合适的策略,以及一种核代理轨迹归因算法,用于理解一组轨迹的反馈如何影响其他轨迹。评估结果显示,与现有方法相比,平均性能和奖励相关性均有所提高。
-
新的METTA方法增强了元强化学习的适应性
研究人员开发了METTA,一种新颖的元强化学习方法,可增强智能体对新任务的快速适应能力。METTA利用因果神经记忆在回合内进行细粒度适应,并利用回合级摘要进行长程任务推理,从而避免了传统Transformer模型的二次成本。该方法在Meta-World ML10/45和长上下文PointMaze任务等具有挑战性的基准测试中表现出改进的性能,并以高效的训练实现了高成功率。
-
新方法通过比较性想象增强 AI 代理的决策能力
研究人员开发了一种名为“想象中的兄弟分歧”(Sibling Disagreement in Imagination, SDI)的新方法,以增强使用世界模型的代理的决策能力。SDI 允许代理比较想象中的结果,并决定探索哪些替代方案以及何时采纳提出的计划。通过比较同一模型状态下的动作序列,SDI 提供了探索信号并控制动作接受,在多个基准套件上表现优于现有基线。
-
MorphAct框架增强了机器人在不同环境下的策略适应性
研究人员开发了MorphAct,一个旨在增强机器人动态环境策略适应性的新框架。该系统使用耦合的低秩生成器,根据不断变化的交互上下文调整机器人策略参数,从而提高在视觉-语言-动作任务中的性能。MorphAct在LIBERO和Meta-World等基准测试中展示了高达16.30%的显著性能提升,在现实世界评估中也达到了14%。
-
中国AI模型Maxwell在物理任务排名中领先全球
一款名为Maxwell的新型具身AI模型,由中国工业人工智能研究所开发,在Meta-World物理任务基准测试中取得了有史以来最高分。Maxwell在该基准测试中得分91.9,该测试评估机器人在抓取和开门等50项日常物理任务上的表现。这一成就使Maxwell超越了包括Google DeepMind和MIT在内的全球顶尖研究机构和公司的提交成果。
-
新的 T3DP 框架增强了机器人策略对未见指令的泛化能力
研究人员开发了一个名为 T3DP 的新框架,以提高 3D 可视运动策略遵循未见的、细粒度行为规范的能力。与之前使用全局语言-行为对齐的方法不同,T3DP 在语言元素和行为片段之间建立了令牌级别的对应关系。这种方法更好地保留了指令和演示的局部结构,从而可以在不改变底层策略架构的情况下更精确地控制未见的规范。T3DP 在各种机器人操作任务的成功率方面均显示出显著的改进。
-
生成克隆策略在处理多模态专家行为时遇到困难
研究人员调查了当专家行为是多模态的时,生成行为克隆所面临的挑战,这意味着单一观察可能导致多种有效行为。他们的工作揭示了潜在变量策略需要在其潜在表示中进行条件动作信息,以保留不同的模式,而过度的正则化会阻碍这一点。对于动作空间生成策略,多模态受到传输函数平滑度的限制,需要急剧的过渡或特定的桥接区域来覆盖多种模式。在合成和物理机器人任务上的实验证明了这些原理,尽管标准的机器人模拟基准显示出有限的条件多模态,而确定性回归通常表现具有竞争力。
-
SpatialVAM模型提高机器人策略数据效率
研究人员推出了一种新颖的3D视频动作模型SpatialVAM,旨在提高机器人操作中的数据效率。与以往常常忽略空间或时间理解的先前方法不同,SpatialVAM同时预测空间感知的多视图热图视频和RGB视频。该方法将3D信息整合到视频基础模型中,对齐表示格式以实现更好的动作微调。实验表明,SpatialVAM在数据高效操作方面取得了最先进的性能,以显著更少的演示轨迹优于其他模型。
-
V-Simba架构提升视觉控制中RL的样本效率
研究人员推出了一种新颖的强化学习(RL)架构V-Simba,旨在提高视觉连续控制任务中的样本效率。受基于状态的RL中使用的Simba架构的启发,V-Simba结合了归一化层和逐点卷积,以稳定训练并降低计算成本。与DrQ-v2相比,新架构在DMC、Adroit和Meta-World等基准测试中表现出与现有最先进方法相当或更优的性能,同时计算效率更高。
-
SpikeWorld 模型为冻结的世界模型实现快速状态适应
研究人员开发了 SpikeWorld,这是一种新颖的、拥有 145 万个参数的稀疏脉冲模型,专为冻结的世界模型中的高效状态适应而设计。该模型联合优化了异构感官预测、语义、图像-文本绑定和动作条件动力学。通过冻结训练好的参数并使用外部路径进行适应,SpikeWorld 在动作下一状态均方误差方面实现了 17.10% 的改进,同时增强了多模态预测和语义准确性。在 Meta-World 轨迹测试中,SpikeWorld 在冻结策略奖励方面显…
-
LaGO 框架使用 LLM 改进在线强化学习 · 跟踪 2 个来源
研究人员开发了 LaGO,一个利用大型语言模型 (LLM) 作为在线强化学习的潜在动作先验的框架。LaGO 不将 LLM 用作直接控制器,而是软性地指导策略优化。在 CLEVR-Robot 和 Meta-World 基准上的实验表明,与 Vanilla PPO 相比,LaGO 在 CLEVR-Robot 上的成功率从 15.1% 提高到 27.2%,在 Meta-World 上的成功率从 2.7% 提高到 15.2%。研究还表明,更强…
-
新研究增强了用于机器人和视觉推理的VLA模型
近期研究探索了增强用于机器人操作和通用视觉推理的视觉-语言-动作(VLA)模型。研究通过域随机化和照片级真实感渲染来研究模拟到现实的泛化能力,并提出诸如 Faithful Warm-Start 等方法,通过在强化学习前确保视觉保真度来提高VLM推理的稳定性。其他工作引入了置信度驱动的测试时强化学习,无需外部奖励即可实现自我改进,以及状态感知分词器,以更好地从离散代码中解码动作。此外,研究还检查了VLA模型中的架构冗余,发现语言骨干对于…
-
机器人通过新的KAN-We-Flow和EFM策略提高效率
研究人员开发了KAN-We-Flow,一种新颖的机器人操作策略,利用RWKV和KAN显著减小模型尺寸和推理延迟,同时保持或提高成功率。该方法在Adroit和Meta-World等基准测试中取得了最先进的性能,参数减少了86.8%,并具备实时控制能力。此外,引入了一个名为EFM-10的新基准,通过专注于探索性和专注性操作策略来解决人形双臂操作中的挑战,特别是视觉遮挡问题。该基准以及BAPData数据集和BAP策略旨在使机器人能够主动获取…
-
TimeRewarder 从被动视频中学习密集奖励,用于强化学习
研究人员开发了 TimeRewarder,一种从被动视频中学习密集奖励信号的新颖方法。该技术通过对帧对之间的时间距离进行建模来估计任务进度,然后可以指导强化学习代理。在十个 Meta-World 任务上的实验表明,TimeRewarder 显著提高了成功率和样本效率,优于手动设计的奖励和以前的方法。该方法还展示了利用真实世界的人类视频进行可扩展奖励信号生成的潜力。
-
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。