跳到正文
arXiv · AI· Toru Lin, Shuying Deng, Zhao-Heng Yin, Pieter Abbeel, Jitendra Malik·· 17 天前AI 评分22

基于人类偏好对齐的机器人精细操作学习框架:以刀削皮为例

How to Peel with a Knife: Aligning Fine-Grained Manipulation with Human Preference

AI 导读

研究者提出一种两阶段学习框架,用于解决食物准备等隐式成功标准的机器人操作任务。 通过模仿学习获取初始策略,再利用结合定量指标与人类反馈的奖励模型进行偏好微调。仅使用50至200条轨迹,即在黄瓜、苹果和土豆上实现100%成功,微调后性能提升高达40%。 策略可从一类农产品零样本迁移至其他类别,在对选定的保留类别上达到50%至90%的成功率。

来源:arXiv · AI · arxiv.org