UR-VC: 无监督机器人价值校正方法用于时间推导进度代理

现代机器人学习系统依赖密集的进度或价值信号评估中间状态并指导策略学习，但此类标签获取成本高。归一化时间常被用作替代，但接触丰富的操作中机器人可能因滑动或抓取失败出现进度倒退，而时间标签却单调增长。研究人员提出UR-VC，一种离线、无需训练的校正方法，利用演示数据中相似状态在不同时间戳重复出现的规律，跨轨迹聚合时间标签以获得更准确的进度估计。该方法无需手动标注或额外价值模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身。在双臂布匹折叠展开任务上的实验表明，校正后的标签能捕获局部倒退和非均匀进度，同时保留整体趋势。基于校正信号训练的优势条件策略在真实机器人任务中表现出正向成功率趋势。