KAIST发布人类演示迁移机器人策略方法
热点事件持续更新
KAIST发布人类演示迁移机器人策略方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
KAIST AI与RLWRLD发布H2RB方法，通过几何锚定对齐和解耦解码器tokenizer，使预训练机器人VLA策略能够利用与机器人数据非配对的人类演示适配新机器人，减少对昂贵的本体专属数据采集的依赖。 论文实验显示，H2RB将物体搬运成绩从8.0提升至51.8，分布外迁移成绩从6.0提升至45.3，技能迁移达到62.7。该方法的核心是将人类演示中的动作信息迁移到不同机器人的视觉—语言—动作策略训练中。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 11:17
KAIST 提出 H2RB：人类演示直接迁移训练机器人 VLA 策略报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- AGI HuntKAIST 提出 H2RB：人类演示直接迁移训练机器人 VLA 策略
KAIST AI 与 RLWRLD 发布 H2RB（Human-To-Robot Bridge），以几何锚定对齐和解耦解码器 tokenizer，让预训练 VLA 策略利用非配对人类演示适配新机器人。物体搬运成绩由 8.0 提升至 51.8，技能迁移达 62.7，分布外迁移由 6.0 提升至 45.3。
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。