arXiv · AI· Botao He, Yiming Dou, Yiannis Aloimonos, Jitendra Malik, Akash Sharma, Ruoshi Liu·· 2026-10-16AI 评分29
DSP框架通过有监督玩耍实现机器人灵巧操作
PlayPolicy: Dexterity from Supervised Play
AI 导读
DSP框架通过几小时人类有监督玩耍数据训练玩耍策略,自主采集交互数据训练世界模型,并在推理时指导模型预测控制。 在真实世界实验中,DSP在欠驱动推压任务中成功率比后见行为克隆高69.6%,仅需强化学习1/490的交互数据达到可比表现。 该框架实现了无需任务特定示范或sim-to-real迁移的机器人自主灵巧操作。
来源:arXiv · AI · arxiv.org