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:

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。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →