FlowDAgger：用人类纠正数据适配机器人模型

为解决视觉-语言-动作模型迁移到新机器人或新任务时难以可靠适配的问题，研究人员提出 FlowDAgger 方法。该方法建议冻结原有的基础模型策略，转而采用 DAgger 风格的在线模仿学习，利用人类纠正动作的数据来学习如何引导已冻结的策略，从而有效提升模型在新环境下的操控可靠性。

2026-07-16 ~ 2026-07-16 · 2 条相关

• FlowDAgger：机器人靠纠正学习 — oier_mees · 2026-07-16
• 用人类纠正数据适配机器人模型 — micoolcho · 2026-07-16