RoboTTT将机器人基础模型的视觉-运动上下文扩展至8K时间步,通过测试时训练更新快速权重,在不增加推理延迟下提升性能。相比单步基线,任务性能提高87%,能完成五分钟十阶段装配任务,并支持一次性模仿和即时策略改进,表明上下文长度是机器人模型的新扩展维度。
本研究提出了一种增强时间感知和任务完成感的方法,以应对预训练视觉表征(PVRs)在视觉-运动机器人学习中的挑战,显著提升了在分布外场景中的鲁棒性和机器人学习性能。
本研究提出了一种物体中心恢复策略框架,旨在解决视觉运动策略学习中的分布外场景挑战。该框架通过推断物体关键点流形梯度构建逆向策略,无需额外数据收集,确保在OOD情境下任务成功。
完成下面两步后,将自动完成登录并继续当前操作。