EmbodiedRSI让机器人持续学习技能
热点事件持续更新
EmbodiedRSI让机器人持续学习技能
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
Python Song等提出EmbodiedRSI，使机器人通过物理交互自主选择探索方向，并将结果转化为改进后的代码与技能。论文摘要称，该框架采用快慢双系统、假设图和基于价值信息的实验选择，在RoboCasa365总体及Composite-Unseen上分别取得77.0%和71.3%成功率，最佳基线为40.1%，在LIBERO-Pro总体成功率为86.8%。 EmbodiedRSI还以零样本方式迁移到真实机器人，在多项困难任务上总体成功率为71.3%；这些结果目前来自论文摘要所述实验。
AI 根据报道生成 · 35 分钟前更新
最新进展10月8日 01:48
EmbodiedRSI：通过假设引导的协同演化实现主动持续机器人学习报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · cs.AIEmbodiedRSI：通过假设引导的协同演化实现主动持续机器人学习
EmbodiedRSI 提出一种自进化智能体框架，通过假设引导的协同演化，让机器人自主决定探索方向，并将物理交互结果转化为改进后的代码与技能。基于论文摘要，该方法采用快慢双系统架构、假设图和基于价值信息的实验选择；在 RoboCasa365 上总体成功率为77.0%，在 Composite-Unseen 上为71.3%，并在真实机器人多项任务中实现71.3%的零样本总体成功率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。