研究提出机器人零样本泛化的数据多样性路径

Rafael Felix 与 Flavia Yanase 提出，机器人零样本泛化应被视为对部署分布的覆盖：同一批采集者增加样本只能缓慢缩小未见区域，而每新增一个贡献者都能扩展该区域。 为此，作者提出共享机器人动作潜空间，结合多模态对齐、生成式增强与噪声标签学习，并以基于标准易用机器人 Origami 的开发者社区作为多样化数据来源。论文还给出将真实机器人零样本成功率与贡献数据多样性关联的可检验假设与评估协议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。