在双臂精密插装任务上微调 reward model,进度预测接近完美
DominiqueCAPaul · x · 2026-10-13
作者分享在双臂机器人任务上微调 reward model 的早期进展:模型在一条未见过的轨迹上,对进度做出了接近完美的预测,能正确反映任务中的错误与恢复过程。
这个任务对 reward model 和 policy 都是有挑战性的组合:
- 双臂 + 多视角:需要协调两条机械臂,并跨三个机载相机视角推理,无外部全局视角相机
- 高精度:需将执行器精确插入孔位,近失与成功在视觉上差异极小
- 每回合起点与目标都变化:不同的执行器、不同的插入孔
作者称任务难度恰好处于「够难但可达」的边缘,目前成功率可超 99%。
「具身」频道最新
- 从业者观点:执行器速度是机器人灵活性的一大瓶颈 — ayushthakur0 · 2026-10-13
- Stellantis 在都灵街头演示搭载 Wayve 自动驾驶 AI 的菲亚特 500e — alexgkendall · 2026-10-13
- Wayve 登 Wave 舞台:自动驾驶将落地菲亚特与玛莎拉蒂 — alexgkendall · 2026-10-13
- 日本 Mujin 融资 2.24 亿美元,机器人编排系统瞄准工厂自动化 — lukas_m_ziegler · 2026-10-13
- Alexa 之父 Rohit Prasad 出任 Boston Dynamics CEO,主抓商业化 — lukas_m_ziegler · 2026-10-13
- 仓储机器人公司 Ultra 获 5000 万美元 A 轮，已打包超 50 万订单 — lukas_m_ziegler · 2026-10-13