斯坦福新研究：机器人看一次演示就能学会新行为
SongShuran · x · 2026-08-19
斯坦福与伯克利联合提出 Behavior Prompting Policy (BPP)，让机器人通过单次人类演示学习新任务，无需微调。
核心原理：
- 将人类演示序列作为“行为提示”直接输入视觉运动策略模型。
- 模型结合当前观察与演示上下文输出动作。
关键贡献：
- 算法：支持推理时适应未见任务的上下文学习架构。
- 数据：发现任务多样性是提示能力的关键，开发了便携式数据采集接口 iPhUMI。
- 评估：提出 DrawAnything 和 LIBERO-Gen 基准测试验证泛化能力。
这种方式跳过了传统的“收集数据-微调-部署”循环，更接近“看一遍，你来试”的直觉教学。
「具身」频道最新
- Unitree 上市晚宴官宣：具身智能机器人自我进化 1.0 — Scobleizer · 2026-08-19
- 人形机器人能效对比：人类只需半根香蕉 — noahsolomon · 2026-08-19
- 特斯拉 Cybercab 革命即将到来，发布会在即 — mitchdeg · 2026-08-19
- 开源个人 AI 计算机打造指南：本地化算力方案 — tom_doerr · 2026-08-19
- Embodied-Navigator：点、想、记、对齐的高效导航 — OmniAI-ZJU · 2026-08-19
- 播客详解 OpenRoboto：去中心化网络训练人形机器人AI — markjeffrey · 2026-08-19