TECHNOLOGY · 技术
模仿学习
斯坦福提出DITTO单样本模仿学习框架，面向机械臂操作
斯坦福提出面向机械臂操作的DITTO框架，仅需一段人类演示视频即可完成单样本模仿学习。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
斯坦福提出DITTO（Demonstration Imitation by Trajectory Transformation），是一种面向机械臂像人的手臂一样伸展抓取的装置，是工业自动化里最成熟的机器人形态，也是人形机器人「胳膊」的技术前辈。◆ 小白科普 · 现身操作的单样本模仿学习框架。
传统模仿学习大多直接复刻人类手部轨迹，当物体位置出现轻微偏移时任务容易失败，泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身能力较弱，且采集大量示教人手把手带着机器人做一遍动作，让它「学着做」，类似师傅带徒弟的现场教学。◆ 小白科普 · 现身数据的成本较高。
DITTO的核心思路与上述做法不同：不照搬原始动作路径，而是提取物体之间的相对几何约束。算法仅需要一段RGB-D人类演示视频，即可自动完成物体分割与物体位姿估算，进而将人类演示轨迹变换迁移到机器人执行。
该方法的公开信息强调降低示教人手把手带着机器人做一遍动作，让它「学着做」，类似师傅带徒弟的现场教学。◆ 小白科普 · 现身数据采集为 AI 模型收集「教材」的过程。机器人行业主要靠人远程示范（遥操作）一条条录，或在仿真环境里批量生成。◆ 小白科普 · 现身成本，使机器人能够在单次示教条件下适应物体位姿变化，属于具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身中面向物理操作的学习方法探索。