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
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- 机器人走到冰箱前拿出一瓶啤酒 — Darpinian · 2026-07-27
- 研究者用针织结构复现数字电路 — mtizard · 2026-07-27
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27
- TechCrunch 讨论脑波信号或成 physical AI 训练新钥匙 — TechCrunch AI · 2026-07-27
- YC 讨论具身机器人：预训练、记忆和组合行为才是关键 — ycombinator · 2026-07-27