DiscoDemo 把强化学习用作数据生成器,挖掘多种成功解法供下游模仿学习使用。在四个操作任务上,真机成功率从 39% 升至 78%,说明更丰富的成功示范能直接提升机器人执行操作任务的可靠性,而不只是增加数据量。
正文完
DiscoDemo 把强化学习用作数据生成器,挖掘多种成功解法供下游模仿学习使用。在四个操作任务上,真机成功率从 39% 升至 78%,说明更丰富的成功示范能直接提升机器人执行操作任务的可靠性,而不只是增加数据量。