斯坦福等发布I3L全身移动操作模仿学习论文

斯坦福等机构的研究团队（Wensi Ai、李飞飞等）在arXiv发布I3L论文，提出结合全身纠错与迭代式策略改进的模仿学习系统，用于提升长时程全身移动操作中离线示范策略的部署可靠性。论文编号arXiv:2610.17748。 系统采用开源低成本JoyLo+接口，通过策略跟踪机械臂和触摸触发接管支持协调纠错。研究覆盖三种机器人本体、八个仿真和真实任务，其中包括四个长时程全身移动操作任务。 在受控仿真实验中，四轮HG-DAgger相比基线策略平均提升自主成功率68.3个百分点，相比相同训练轨迹数的仅示范训练平均高35.6个百分点，并使每集接管时长平均减少72%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。