arXiv cs.RO 机器人学· Wensi Ai, Christopher Luey, Karthik Dharmarajan, Evans Han, Yunfan Jiang, Stef Ren, Jianwen Xie, Jiajun Wu, Li Fei-Fei, Ruohan Zhang·· 5 小时前精选AI 评分58
I3L：面向全身移动操作的迭代式交互模仿学习
I3L: Iterative Interactive Imitation Learning for Whole-Body Mobile Manipulation
AI 导读
I3L 提出一套软硬件一体方案，用低成本开源 JoyLo+ 操纵接口结合迭代部署与再训练，缓解离线模仿学习在长时程全身移动操作中的分布外退化。在三种机器人本体和八个仿真与真实任务上评测，四轮 HG-DAgger 协议下自主成功率较基础策略平均提升 68.3 个百分点，每个任务至少达到 90%，同等训练轨迹数下比仅用演示训练高 35.6 个百分点；四轮迭代后每回合人工接管时长平均下降 72%。
推荐理由
论文给出四轮HG-DAgger协议与68.3个百分点的提升数据，可评估迭代纠偏路线的实际收益。
来源：arXiv cs.RO 机器人学 · arxiv.org