arXiv cs.AI· Botao He, Yiming Dou, Yiannis Aloimonos, Jitendra Malik, Akash Sharma, Ruoshi Liu·· 2 天前AI 评分36
DSP：从监督式玩耍中学习灵巧操作
Dexterity from Supervised Play
AI 导读
机器人框架 DSP 通过行为克隆从数分钟人类玩耍数据中学习玩耍策略，再自主部署收集数小时交互数据训练世界模型，推理时由该策略为 MPC 提出候选动作序列。团队还提出在世界模型内通过自博弈蒸馏闭环目标条件策略的方法。真实世界实验中，该方法成功率比 hindsight 行为克隆高 69.6%，并以少 490 倍的交互数据达到与强化学习相当的成功率。
正文 · AI 翻译
摘要：机器人如何自主收集学习灵巧操作所需的富含接触的经验？我们提出 DSP：通过监督式玩耍获得灵巧性，这是一个框架，其中机器人通过行为克隆从数分钟的人类玩耍中学习玩耍策略，然后自主部署该策略以收集数小时的交互数据来训练世界模型。在推理过程中，同一玩耍策略随后通过学习到的世界模型提出候选动作序列进行评估，从而指导模型预测控制（MPC）。为了加速推理，我们还引入了一种方法，通过学习到的世界模型中的自我玩耍来蒸馏闭环、目标条件策略。我们在仿真和真实世界中，使用多指手在欠驱动推动和任意到任意的手内姿态重定向任务上评估该框架。在真实世界实验中，我们的方法在成功率上比事后行为克隆高出 69.6%，并以少 490 倍的交互数据达到与强化学习相当的成功率。这些结果表明，监督式玩耍可以自主收集交互数据、指导基于模型的规划，并在没有任何任务特定演示或仿真到现实迁移的情况下实现策略学习。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.22340 [cs.RO] |
| （或 arXiv:2610.22340v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22340 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Botao He [查看电子邮件]
[v1]
2026年10月15日星期四 17:55:50 UTC（33,259 KB）
来源：arXiv cs.AI · arxiv.org