I3L 全身移动操作模仿学习系统发布

Wensi Ai 等作者发表论文，提出面向全身移动操作的迭代交互式模仿学习系统 I3L，将全身纠错与迭代策略精炼结合，以解决长时程任务中离线策略的可靠性缺口。 其低成本、开源的 JoyLo+ 接口通过手臂示教与触控接管实现跨部位协同纠错，并借迭代部署与重新训练让操作者针对更新后策略的失败点。 据论文数据，在三种机器人本体、八个仿真与真实任务中，四轮 HG-DAgger 使自主成功率平均提升 68.3 个百分点，每任务成功率至少 90%，相同训练轨迹数下比纯示教训练高 35.6 个百分点；四轮后每回合接管时长下降 72%。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。