斯坦福 I3L 让全身机器人部署成功率平均提升 68.3 个百分点
jiajunwu_cs · x · 2026-10-30
斯坦福李飞飞团队（联合 Lambda、西北大学）推出 I3L（Iterative Interactive Imitation Learning），针对长时程全身移动操作策略在部署时的可靠性缺口，提出「交互式校正 + 迭代再训练」的闭环方案。
核心要点：
- JoyLo+ 硬件接口：低成本开源，用策略追踪主动臂与触摸触发接管，操作员可同时对机械臂、躯干和移动底盘进行协同校正
- 迭代流程：策略接近失败时操作员接管纠正 → 校正数据与先前示范聚合 → 重新训练 → 再部署，持续针对新策略的失败点补数据
- 实验结果：在 3 种机器人本体、8 个仿真与真实任务（含 4 个长时程全身移动操作任务）上评测；在四轮 HG-DAgger 协议下，I3L 将自主成功率较基线策略平均提升 68.3 个百分点
- 论文、代码、模型与数据集均已开源
「具身」频道最新
- 马斯克放话 Tesla vs Waymo「从来不是真较量」，成本图引热议 — AccBalanced · 2026-10-30
- 洛杉矶两年新增 1.1 万航天岗位，成物理 AI 与国防科技新中心 — builditwithjoe · 2026-10-30
- 破壳机器人发布 RoboAPI：机器人动作预测开放 API，主攻零样本泛化 — CyberRobooo · 2026-10-30
- AGIBOT 上海发布 Worken 指标：按自主工时×产出效率评估人形机器人 — xmercury_one · 2026-10-30
- SCRUB-1 机械臂微调 π0.5 辅助手术器械传递，成功率从 0% 升至 79% — StewartalsopIII · 2026-10-30
- 仅16分钟真实数据3分钟GPU训练，让Unitree Go1学会走路 — MarcJSchmidt · 2026-10-30