DSP：15分钟自由玩耍数据教机器人灵巧操作，免示教免sim2real
anand_bhattad · x · 2026-10-17
Amazon Frontier AI & Robotics 与马里兰大学（作者含 Jitendra Malik、Ruoshi Liu）发布 Dexterity from Supervised Play (DSP) 方法：仅需约 15 分钟无目标的对手套遥操作「玩耍」数据，即可训练出灵巧操作策略与世界模型，无需任务示教、也无需 sim2real。
技术流程分五步：
- 用扩散策略（diffusion transformer + 行为克隆）从 15 分钟自由玩耍数据学到 22 关节动作块生成能力；
- 该 play 策略在真机上自主运行，无限采集数据（实验覆盖 0.54–5.11 小时的 scaling 研究）；
- 用 Diffusion Forcing 训练世界模型，根据近期观测与候选动作块预测未来方块位姿；
- 规划时每步采样 1024 个 play 策略提议，选最接近目标的执行并重规划；
- 可选将基于模型的规划蒸馏为 21.8ms 的目标条件策略，在 0.8 rad 下保留 MPC 成功率的 90% 以上。
论文、代码均已公开。
「具身」频道最新
- RAX 机器人零遥操作数据学会精密插拔，推理耗时从 72 分钟降到 18 秒 — du_yilun · 2026-10-17
- RAX 刷新 RoboDojo 与 BEHAVIOR-1K：78.3% 对 24.9%，倒水任务从全员 0 分到满分 — du_yilun · 2026-10-17
- RAX 认知架构拆解：探索成果沉淀为可复用机器人技能库 — du_yilun · 2026-10-17
- RAX 机器人认知架构：探索经验沉淀为可复用自主技能 — du_yilun · 2026-10-17
- RAX：靠扩展探索而非示教，机器人零遥操作学会精细操作 — du_yilun · 2026-10-17
- 海上机器人公司 Ulysses 多地多任务并行,扩招部署团队 — espricewright · 2026-10-17