See2Act将主动感知与动作去噪耦合用于模仿学习

Kuancheng Wang 等研究者提出模仿学习方法 See2Act，面向部分可观测（遮挡）场景下的机器人操作策略，在测试时把动作预测建立在主动推断的视角序列上，通过耦合动作去噪与视角细化，训练时用锚定到离线演示关键帧动作的相机位姿，隐式学习看哪里与怎么做。 论文称，在 Ravens 中该策略能在严重遮挡下找回有信息量的视角，在 RLBench 任务上较先前方法最高提升 33 个百分点；真实世界中研究者在数字孪生里采集 50 条演示，用深度观测在抓取-放置任务上实现零样本 sim-to-real 迁移。

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。