simulated humanoid

EgoX框架实现了机器人操纵的跨具身学习

研究人员开发了EgoX，一个旨在促进通用操纵策略跨具身学习的新框架。该系统通过对其语义模态进行对齐，来组织来自人类、真实机器人和模拟代理的各种演示。EgoX利用了预训练的模块化跨具身Transformer（MXT+）并结合具身梦想，然后针对特定的机器人具身进行微调。在各种任务和机器人类型上的实验表明，EgoX显著提高了任务进展，尤其是在分布外场景中，突显了其模块化接口和具身梦想目标的有效性。