机器人犯错前先被拦下

6次阅读
没有评论

PHIL 让操作员通过扩展现实界面预览机器人策略预测的未来动作,在不良动作发生前接管;接管期间仍在物理空间中显示策略预测的轨迹。四项真实操作任务中,与 HG-DAgger 对照相比,扩散策略的平均成功率从 44.0% 提升至 70.3%。

正文完
 0
评论(没有评论)

内容合作 · 项目交流

欢迎开发者、团队与我们联系,一起推动 AI 与机器人领域的优质内容创作与交流。