LC-IL用语言批评改进机器人模仿学习

NTU等机构团队在CoRL 2026 workshops提出语言批评模仿学习（LC-IL），让机器人借助对不完美演示的语言反馈学习，其两种策略在7项连续控制任务上的平均得分较基线高约7个百分点。 该方法以SmolLM2-135M生成结构化标签，指出演示中应执行的动作、错误及纠正方式，并形成可接入行为克隆和扩散策略的LC-BC、LC-DP。团队称，测试时无需额外计算；在混合质量数据中专家样本占33%时仍达到87%，占10%时达到92.6%。

AI 根据报道生成 · 21 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。