跳到正文
arXiv · AI· Python Song, Zhixuan Liang, Kelsey Fu, Mengdi Wang, Junfeng Yang, Shilong Liu·· 2026-10-08AI 评分39

EmbodiedRSI: 通过假设引导协同进化的主动持续机器人学习框架

EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution

AI 导读

EmbodiedRSI 采用快慢双系统架构,通过假设图维护代码与技能假设,在 RoboCasa365 上取得 77.0% 总体成功率,LIBERO-Pro 达 86.8%。 快系统执行价值信息实验选择物理交互,慢系统构建层级记忆并基于奖励引导学习优化后续改进。 该框架支持零样本迁移至真实机器人,在多个高难度任务中实现 71.3% 总体成功率,降低了对昂贵遥操作数据的依赖。

来源:arXiv · AI · arxiv.org