该收集哪些「失败」数据？机器人奖励模型研究对比四种数据来源
mangahomanga · x · 2026-11-06
这是作者关于机器人奖励模型数据采集研究线程的开头：为训练操作任务的奖励模型，该收集什么样的失败数据？
团队系统比较了来自 kinesthetic teaching（物理示教）、策略 rollout、人类视频和 real2sim 四种来源的失败数据，分析其对奖励质量和下游真实世界强化学习效果的影响。不同来源的采集成本差异巨大：示教/遥操作成本很高，人类视频成本很低。
所属事件:JHU 研究：四类失败数据如何影响机器人奖励模型(7 条相关)→
「具身」频道最新
- 想象中训练机器人策略：7.9 倍更少仿真数据匹敌 PPO — EpisodeYang · 2026-11-06
- 苹果机器人新机被曝用 Mac Mini 当大脑,Jeson 只跑追踪 — micoolcho · 2026-11-06
- Microdock v2:机器人入坞时坐下,让全部舵机断电省电 — natesiggard · 2026-11-06
- 22 小时组装一台 Asimov 机器人，开箱即正常运行 — whurley · 2026-11-06
- NEO-VLA 去掉视觉编码器：原生 VLA 预训练在 RoboTwin 上验证有效 — liuziwei7 · 2026-11-06
- UP Summit 实拍金色 Cybercab 与 Optimus 机器人亮相 — DMaguireARK · 2026-11-06