DeMiAn 开源：稠密语言标注让机器人学习省 62% 算力

UC Berkeley pearls-lab 等团队的论文《DeMiAn: Dense Language Annotations Power Robot Learning》被 NeurIPS 2026 接收，研究团队已开源代码与数据集。该方法通过稠密多方面语言标注（不改一条演示数据，借助 Qwen3.5-2B 等模型）提升机器人策略学习效率，可节省约 62% 算力且无需新增人类演示，为机器人学习提供了更高效的训练范式。

2026-09-25 ~ 2026-09-27 · 2 条相关