伯克利提出 Data Inoculation：用 RL 在数据采集阶段提升机器人演示质量

UC Berkeley 的 Sergey Levine 与 Qiyang Li、Zhiyuan Zhou 等人发布新论文，提出 Data Inoculation 方法。研究指出，在机器人学习中数据质量与模型同样重要甚至更重要，因此他们利用强化学习，在人类演示数据采集阶段就介入并提升数据质量，而非事后清洗，为机器人学习的数据质量提升提供了新思路。

2026-11-03 ~ 2026-11-04 · 2 条相关

• 伯克利团队提出 Data Inoculation:用 RL 在数据采集阶段提升机器人演示质量 — berkeley_ai · 2026-11-03
• 伯克利团队提出 Data Inoculation：用 RL 在采数据时就提升质量 — berkeley_ai · 2026-11-04