ParcelStow

模仿学习在机器人操作中难以保持时间鲁棒性

一篇新的研究论文探讨了模仿学习在机器人操作任务中保持时间鲁棒性的效果。该研究将一个专家机器人的表现与在一个名为 ParcelStow 的任务上，基于专家演示训练的 Action Chunking with Transformers (ACT) 策略进行了比较。虽然两者在标称速度下都达到了100%的成功率，但随着任务执行速度的增加，ACT 策略的成功率下降幅度远大于专家，表明其时间鲁棒性有所下降。