标签: #imitation-learning

한국어English日本語中文

← 全部文章

• 从人类视频中学习的机器人 — 网络规模数据的梦想

  机器人能从人处理物品的视频中学习吗。本文梳理了可供性与轨迹、领域差距、表征学习与预训练、单样本模仿、网络视频规模化、以及与机器人数据的结合，并诚实地列出案例与局限。

  2026-06-29 · 33 分钟阅读 #ai-papers#robotics#imitation-learning#representation-learning#video

• 机器人如何学习 — 模仿学习与强化学习

  概览机器人习得技能的四种方式，深入剖析模仿学习(遥操作、行为克隆、DAgger)与强化学习(奖励、策略、探索)的原理、优缺点、数据效率上的差异，以及如何将两者结合，并用图示与对比表加以梳理。

  2026-06-29 · 28 分钟阅读 #ai-papers#robotics#imitation-learning#reinforcement-learning#robot-learning

• Diffusion Policy 与 π0 — 平滑机器人行为背后的秘密

  跨越离散动作 token 的局限，本文考察将动作生成为连续值的两条思路。Diffusion Policy 通过去噪生成动作，π0 则用 flow-matching 生成高频连续动作。我们梳理两种方法的思路、架构、控制频率、优势与局限。

  2026-06-27 · 24 分钟阅读 #ai-papers#robotics#diffusion-policy#pi0#flow-matching