通用机器人里程碑!MIT提出策略组合框架PoCo,解决数据源异构难题,实现机器人多任务灵活执行
原文中文,约4900字,阅读约需12分钟。发表于: 。假设每个模型的扩散输出在相同的空间,即动作维度和动作时域相同。该框架使用扩散模型的概率合成,组合不同领域和模态的数据,为构建复杂的机器人策略组合开发了任务级、行为级、领域级的策略合成方法,能够解决机器人在工具使用任务中的数据异构性、任务多样性问题。作为行业的指向标,早在 2022 年 9 月,特斯拉就发布了通用人型机器人...
2024年世界人工智能大会展示了18个人形机器人作为“迎宾员”,突显了机器人的快速发展。麻省理工学院的研究人员提出了一种名为PoCo的机器人策略组合框架,可以解决机器人训练中的数据异构性和任务多样性问题。该框架结合了不同领域和模态的数据,提高了机器人的泛化能力。研究人员提供了任务级、行为级和领域级组合的示例,以展示PoCo的性能改进。该框架在仿真和真实环境中的工具使用任务中取得了出色的结果。