RARA：检索锚定表征对齐的机器人策略微调方法

Xuhui Kang 等研究者提出两阶段机器人操作策略微调方法 RARA，用于缓解预训练模型微调中的表征漂移：先从预训练中检索与目标任务在意图和运动上相似的表征并对齐目标演示的表征，再在微调时限制对检索演示表征的改动。 在 Diffusion Policy 和 GR00T 上，针对 RoboTwin、RoboCasa 的 13 项任务及真实机器人实验显示，RARA 使微调平均成功率在分布内提升 9.5 个百分点、分布外提升 13.6 个百分点，优于全部对比基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。