机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本文介绍了一种视觉模仿学习方法，机器人通过人类演示学习操作任务，无需先前知识。该方法将模仿学习视为状态估计问题，利用自监督训练和摄像头自动移动，能够从单个人类演示中学习多样技能，生成稳定的控制器。

本文介绍了命令行文本操作的核心工具：cat、grep、管道和重定向的用法和技巧，并提供了实例演示。下一篇文章将深入介绍sed，一个强大的流编辑器。

本文探讨了深度强化学习在多指机械手操作中的应用，提出了模仿学习、双手灵巧操纵仿真器和手部动作捕捉系统等算法和框架，以提高学习效率和操作技能。研究表明，机器人通过少量人类示范和丰富的数据集能够掌握复杂操作任务，推动灵巧操作的发展。

本文研究如何利用人类视频数据学习机器人与未知对象的交互技能。通过视频生成模型和强化学习，提出了一种视觉-运动策略学习框架，实现了在新环境中的任务泛化。实验结果表明，该方法在机器人操作中具有显著效果，展示了视频生成在机器人领域的重要性。

本文的研究重点是在具有不同形态的机器人操纵器之间传递控制策略。通过将源机器人和目标机器人的状态和动作空间投影到一个共同的潜在空间来实现跨机器人的策略转移。我们使用编码器、解码器和潜在空间控制策略同时进行训练，利用任务表现、潜在动力学一致性和编码器 -...

Autonomous robotic systems capable of learning manipulation tasks can be transformed through Agent-Agnostic representations for Manipulation (Ag2Manip), which overcomes domain gaps, enhances...

四足机器人在人类环境中的逐渐整合以及与实际场景中物体的互动通过将运动 - 操纵过程分解为低层次的强化学习和高层次的行为克隆，我们使得四足机器人能够仅使用其腿部完成现实世界的操纵任务，并通过模拟和实际实验验证了我们的方法。

本文研究如何通过人类视频数据学习机器人与未知物体交互的操作技能，提出无监督学习的物体描述、基于数据生成的抓握框架和自我监督学习的图像模型，以提高机器人在复杂环境中的抓取成功率。

通过训练具有位置目标跟踪功能的强化学习策略，我们实现了利用四足机器人的腿进行操作的专用控制器，该控制器对干扰具有鲁棒性，在全身行为中具有大的工作空间，并且能够通过步态出现实现远距离目标达成，实现了步态操作。通过在四足机器人上使用遥操作部署我们的控制器，我们展示了开门、收集样品和推动障碍物等各种现实任务。我们还展示了在足上承载超过 2.0...