清华LoopWAM闭环提升机器人任务成功率
热点事件持续更新
清华LoopWAM闭环提升机器人任务成功率
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
清华大学及合作者提出LoopWAM，通过三轮“部署—训练”闭环利用机器人部署时自采数据，在RoboChallenge Table30 V2上将任务成功率从23.67%提升至43.33%，且无需额外专家演示。 该方法采用视频与动作双分支及联合注意力：视频预测分支使用全部rollout训练，动作训练按轨迹质量加权，失败样本权重趋零；推理时结合质量条件化引导。rollout质量由人类或VLM标注，并在batch级汇总成功率。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 20:36
清华团队 LoopWAM 借部署自采数据将机器人任务成功率从 23.7% 提升至 43.3%报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- AGI Hunt清华团队 LoopWAM 借部署自采数据将机器人任务成功率从 23.7% 提升至 43.3%
清华大学及合作者提出 LoopWAM，通过三轮部署与训练闭环，将 RoboChallenge Table30 V2 的任务成功率从 23.67% 提升至 43.33%。框架采用 Video 与 Action 双分支和联合注意力，利用全部 rollout 训练视频预测分支，并按轨迹质量为动作训练加权，同时通过质量条件化引导推理，且无需额外专家演示。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。