AIGC动态欢迎阅读
原标题:伯克利罗剑岚:机器人的范式革命,藏在真实世界中丨具身先锋十人谈
关键字:机器人,模型,数据,问题,世界
文章来源:AI科技评论
内容字数:0字
内容摘要:
Sergey Levine 对罗剑岚说,“You really made RL work.”作者丨赖文昕
编辑丨陈彩娴
近日,伯克利大学 Sergey Levine 团队发布了一项强化学习方向的重磅工作——HIL-SERL,引起了具身智能领域的广泛讨论与关注。
根据实验结果,基于强化学习框架 HIL-SERL,研究者可以直接在现实世界中训练基于视觉的通用机器人操作策略。其中,机器人经过 1~2.5 小时的训练后,就能完成主板、仪表盘以及正时皮带组装等操作任务。
而且,机器人完成所有任务的成功率均高达 100%!
这些任务包括组装家具、颠勺煎蛋、鞭打积木、插入 U 盘等操作,即使在人为干扰的情况下,机器人也依旧能够稳定、灵活地完成任务。
此前,强化学习(RL)总是被业内人士诟病其只能在模拟环境中改进算法性能,无法解决现实世界里真实机器人的问题。但 SERL 系列的工作证明,真机 RL 不是天方夜谭——如今,强化学习不仅能应用在现实世界中,且在精准灵巧的操作任务上效果极佳,且远超模仿学习方法,节拍数也平均快了 1.8 倍。
换言之,SERL 是真机 RL 机器人领域的一个划时代工作。而这个
原文链接:伯克利罗剑岚:机器人的范式革命,藏在真实世界中丨具身先锋十人谈
联系作者
文章来源:AI科技评论
作者微信:
作者简介:
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...