arXiv · cs.AI · Jason Jingzhou Liu, Tony Tao, Deepak Pathak, Ruslan Salakhutdinov · 10 小时前模型评分33
Pixel-UMI：从传感器化人类演示中学习环境感知全身操作
Pixel-UMI: Learning Environment-Aware Whole-Body Manipulation from Sensorized Human Demonstrations
导读
Pixel-UMI 是一套从人类演示数据中学习环境感知全身操作策略的流程，包含环境感知重定向（EAR，Environment-Aware Retargeting）、重定向误差感知掩码（REAM，Retargeting-Error-Aware Masking）和 DAgger 在策略人类纠正三个组件。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We present Pixel-UMI, a pipeline for learning environment-aware whole-body policies from human data.”
来源：arXiv · cs.AI · arxiv.org