Loading...
机构名称:
¥ 1.0

摘要 - 我们探讨了如何启用机器人技术下文预测模型的文化学习能力,从而使模型可以通过使用人类的Teleop演示示例提示无需微调来执行新任务。我们提出了一种因果变压器(ICRT),该因果变压器对感觉运动轨迹进行自回旋预测,其中包括图像,本体感受态和动作。这种方法允许在测试时间灵活且无训练的新任务执行,这是通过提示模型的新任务轨迹来实现的。使用Franka Emika机器人进行的实验表明,即使在与提示和培训数据不同的环境配置中,ICRT也可以适应提示指定的新任务。在多任务环境设置中,ICRT在概括方面明显胜过当前最新的机器人基础模型,以看不见任务。代码,检查点和数据可在https://icrt.dev上找到。

通过下文模仿学习通过下一步的预测-ICRT

通过下文模仿学习通过下一步的预测-ICRTPDF文件第1页

通过下文模仿学习通过下一步的预测-ICRTPDF文件第2页

通过下文模仿学习通过下一步的预测-ICRTPDF文件第3页

通过下文模仿学习通过下一步的预测-ICRTPDF文件第4页

通过下文模仿学习通过下一步的预测-ICRTPDF文件第5页

相关文件推荐

2024 年
¥4.0