在 MuJoCo 仿真里,bc-manipulation 用行为克隆训练 7 自由度 Franka Panda 抓取立方体,带噪声演示训练的策略在未见过的位置测试中成功率 67%,反超干净演示与脚本专家本身。采集时给专家动作加高斯噪声、标签仍记干净动作,策略由此学会从扰动中恢复。
正文完
在 MuJoCo 仿真里,bc-manipulation 用行为克隆训练 7 自由度 Franka Panda 抓取立方体,带噪声演示训练的策略在未见过的位置测试中成功率 67%,反超干净演示与脚本专家本身。采集时给专家动作加高斯噪声、标签仍记干净动作,策略由此学会从扰动中恢复。