机器人在一天内学会1000项任务
内容摘要
伦敦帝国理工学院的研究人员开发了一种名为多任务轨迹迁移（MT3）的新方法，解决了传统机器人学习方法（如行为克隆）对大量数据的依赖问题。MT3将任务分解为对齐和交互两个阶段，从而能够从最少的演示数据中更有效地进行泛化。其关键创新是基于检索的泛化，机器人存储演示并为新任务调整最相关的演示，确保所有动作都明确展示过。在一台Sawyer机器人上进行的测试中，该系统在24小时内学会了1000项任务，学习效率比传统方法高出约十倍，同时在不同条件下保持了可靠性。这种结构化、可解释的方法有望通过使机器能够快速适应新物体或任务，从而彻底改变工业自动化和辅助机器人技术。
(来源：LearnGupt)