机器人数据筛选提速313倍
jiqizhixin · x · 2026-07-11
- 这篇工作提出 ATHENA，用于让机器人数据标注/筛选更高效：通过影响函数判断哪些示范数据真正有助于任务表现。
- 方法上，它利用神经网络梯度结构，并用rank-r 随机近似来估计 Hessian，从而把原本很慢的计算做得可用。
- 结果上，作者报告约 313x 的影响计算加速；在仿真中只用 50% 示范数据就能达到或超过全量微调效果。
- 在 6 个真实机器人任务 上，只用 66.7% 数据就能达到全数据性能。
「具身」频道最新
- 折叠屏 iPhone「Duo」开箱照现身,真机包装盒首曝 — chrisfirst · 2026-10-27
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- StackChan 机器人上演 AI 短剧：Hermes Agent 用 JSON 脚本统筹表演 — alexcovo_eth · 2026-10-27
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- Bedrock Robotics 融资 6 亿美元,改装挖掘机已在商业工地全自动驾驶接单 — Sethwinterroth · 2026-10-27
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27