机器人学习

它是什么

CARF提出对比吸引-排斥流匹配框架，通过进度评分器区分失败轨迹中的进步与失败关键段，引导策略模仿进步行为并避开失败行为。东京大学团队提出QDOS方法，通过优势加权质量-多样性预训练从离线数据中提取多样且高价值的技能，提升机器人操作和运动任务性能。研究提出可变阻抗扩散策略，无需力传感器即可预测位姿与柔顺性，提升操作成功率并降低交互力。

为什么难

• CARF：利用失败轨迹的对比吸引-排斥流匹配框架
• QDOS：面向离线到在线强化学习的质量-多样性技能学习新方法

为什么重要

• VIDP：用于机器人柔顺操作的可变阻抗扩散策略
• DenseReward: 通过失败合成实现密集奖励学习的机器人操作模型