机构名称：
¥ 1.0
摘要：在现实世界中的非结构化环境中部署时经过实验室训练的机器人策略通常会遭受性能下降。这发生在遇到通常在结构化实验室环境中收集的培训数据中的数据。为了克服这一挑战并在这种情况下不断地应对机器人，我们引入了CO逐渐介绍Mo Bile操纵或迷彩的巨大效果。Camo是一种机器人学习系统，它通过直接从这些现实世界环境中收集数据并异步将它们编译到服务器上以进行进一步调整，从而建立在现有的导航和操纵基础模型之上。通过其移动基础，Camo能够将许多不同的场景和现实世界的扰动纳入其不断增加的数据集中，使自己更好地适应了在非结构化环境中的困难。通过利用其操纵策略扩散头的多模式能力和随机性质，Camo可以通过自主收集的类似但看不见的任务来加强良好的操纵行为。以及船上的激光雷达传感器，以制定故障安全机制和人力干预数据，以进一步导航，随着时间的流逝，人类参与的减少，迷彩能够在现实世界中不断改进。
移动操作的持续自主改进
主要关键词
相关文件推荐
