创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

GR-BC从不完美机器人示范中提取有效动作

AI 总结

浙江大学、TeleAI与伽马智能提出Graph-Reweighted Behavior Cloning(GR-BC),将多次机器人尝试连接成图,并通过反向Dijkstra搜索估计各状态到成功终点的进度。满足净进展和有限回退要求的动作块会获得正训练权重,使失败轨迹中的局部有效经验也能用于学习。团队报告称,以X-VLA为骨干时,四项真机操作任务的最终成功率分别为98%、93%、89%和83%,平均约91%。

深度见解

该方法把策略学习从判断整条轨迹的价值转向识别跨多次尝试的有效局部动作,且论文与代码均已公开。

机器之心 2026-11-02 18:19 辽宁

有望帮助策略学习偏差纠正与受挫恢复,为更鲁棒的机器人操作提供支持。

用螺丝刀拧紧螺丝,听起来并不复杂。

但真正动手时,往往还要挪一点、转一点、退出来,再重新对齐。换成遥操作机器人采集数据,这个过程只会更考验耐心。即使是 “大国工匠” 般熟练的数采员,面对精细度要求极高的任务,也未必能一次交出从头到尾都足够丝滑的示范。一条最终成功的轨迹里,可能包含多次无效调整;一条最终因超时或碰撞而失败的尝试中,却也可能有几步对齐做得很好。

#Graph-Reweighted Behavior Cloning (GR-BC)#Zhejiang University#TeleAI#Gamma Intelligence#X-VLA#MCR#SmolVLA#π₀.₅

原文约 6 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。