JHU比较四类失败数据训练机器人奖励模型

约翰霍普金斯大学团队发布论文，比较物理示教、策略 rollout、人类视频和 real2sim 四类失败数据对机器人操作奖励模型的影响。在三个任务中，四种数据源均提高了平均成功率，其中人类视频和 real2sim 成本更低，低数据量下收益更明显。 研究还发现，失败数据并非越多越好：增加数据初期能提升离线奖励质量，随后收益进入平台期，甚至可能损害模型表现，因此数据来源与规模都需要选择。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。