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

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