Robo-ValueRL:用任务进度估值筛选机器人数据,240 小时离线数据实测
burkov · x · 2026-11-18
Robo-ValueRL 框架解决机器人从演示与真实交互中学习时的数据质量问题:采集的数据里混有犹豫、失误和失败尝试,把所有动作一视同仁会限制离线学习效果,并让在线更新不稳定。
核心做法:
- 用当前与近期视觉观测估计任务进度
- 通过进度估计值的变化来区分动作的「有用程度」,为混合经验加权
- 在芯片精密插装、积木拆解与分拣任务上验证
- 使用 240 小时离线机器人数据加超过 3000 条在线 rollout 轨迹
该框架还测量价值估计的不确定性等指标(原文截断),目标是让机器人更可靠地利用「好坏混杂」的经验数据。
「具身」频道最新
- Genesis 首位美国员工回顾入职抉择:湾区藏着一支苏黎世机器人团队 — theo_gervet · 2026-11-18
- 「只部署在仿真里就没有 sim2real 差距」:机器人圈的调侃之问 — rahulshivchand · 2026-11-18
- 日本创客给眼球时钟加新功能,围观者直呼想要 — alexcovo_eth · 2026-11-18
- Figure CEO 划分人形机器人四阶段:现在已进入「规模智能」期 — PeterDiamandis · 2026-11-18
- Argon 开源多材质物理引擎 Alloy:一块 GPU 跑数千并行世界 — ycombinator · 2026-11-18
- 加州 DMV 叫停 Waymo 高速公路运营,直至证明有效修复 — Polymarket · 2026-11-18