机器人数据并非越多样的抓取越好:噪声演示挤占策略容量

chris_j_paxton · x · 2026-11-19

机器人研究员 Chris Paxton 呼应 Firat Candemir 的观点:在当前模仿学习方法下,「多样即好」并不成立。如果每个操作员用不同方式完成同一任务,策略会把这些差异当作噪声学习,消耗模型容量却无助于实际任务。

真正有价值的多样性来自不同的场景、工作场所和物体,而不是同一抓取动作的五种细微变体——一致、干净的演示胜过一堆略不相同的重复。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →