论文摘要 · 2026-10-29 · arXiv (Cornell University)
联合训练使用不同控制器的机器人数据的技术
Cross-Controller Transfer via In-Context Behavior Adaptation
- 做了什么
- 开发了在无冲突的情况下利用使用不同控制方式的机器人数据进行学习的技术。
- 核心结果
- 与现有方法相比，平均成功率提高了33个百分点。
- 意义
- 展示了更有效利用在各种环境中收集的机器人数据的可能性。
研究背景
通用机器人策略虽然通过各种任务和形态的数据进行学习，但通常假设每个机器人只有一个控制器，因此当控制方式不同时，数据难以传递。由于不同的控制器即使面对相同的行为也会赋予不同的物理意义并要求不同的策略，因此需要进行在无冲突情况下共享数据的研究。
方法
提出了一个通过指令行为及其对应的机器人运动示例，对控制器之下的行为交互进行编码的框架。通过使用Transformer上下文编码器来总结这些交互，使单一策略能够在上下文中进行适应。
主要结果
在真实机器人实验中，平均成功率比传统的简单数据合并方法提高了33个百分点。此外，在从未见过的控制器模式和控制器增益下，分别实现了50%和52%的成功率。
局限与待确认之处
摘要中未具体提及所有可实际应用的机器人种类或长期工业现场适用性的局限性。
术语解释
- 机器人策略 — 决定机器人在给定情况下采取何种行为的算法或规则集合
- Transformer上下文编码器 — 一种能够理解数据流或前后关系并总结其核心的人工智能模型
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
