PACT提升机器人GPU装配安全性
stepjamUK · x · 2026-07-20
PACT 把机器人装配 GPU 这类精细任务中的“物理安全”当作后训练对齐问题来处理。
- 用预训练扩散策略的自有 rollouts，把策略投影到满足约束的可行区域。
- 不需要示范数据、奖励函数，也不依赖测试时的安全护栏。
- 方法是在每个 diffusion timestep 注入稠密的约束梯度，并用 curriculum 逐步收紧约束。
- 结果上，在 7 个仿真双臂基准和 4 个真实任务里，安全违规平均下降 31%，任务成功率提升 30.7%。
- 在真实 GPU 装配任务上，安全率提升 36%，任务进度提升 47%，是所有任务里收益最大的一个。
核心结论是：约束梯度注入的位置，比单纯堆算力更关键。
所属事件:PACT框架提升机器人GPU装配安全性(2 条相关)→
「具身」频道最新
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11