arXiv · cs.AI · Roger Sala Sis\'o, Tiago Silv\'erio, Jakob Sand, Tran Nguyen Le · 6 小时前模型评分41
DEED：用数据高效后训练与经验驱动学习缩小 VLA 人形机器人实验室到商店的差距
Closing the Lab-to-Store Gap: A Data-Efficient Post-Training and Experience-Driven Learning VLA Framework for Retail Humanoids
导读
研究提出 DEED 系统方案，在 Unitree G1-Edu 人形机器人上基于 GR00T N1.6 基础模型完成超市补货任务，仅用单块 图形处理器（GPU，Graphics Processing Unit） 就把朴素微调下失败的控制策略变成可用的真实系统。
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
应用领域：零售与营销
事件类型：研究发布
证据摘录
- “This paper presents DEED (Data-Efficient Post-Training and Experience-Driven Learning), a systems-level approach evaluated on a supermarket chip-restocking task using a Unitree G1-Edu humanoid robot and the GR00T N1.6 foundation model.”
- “careful data design and targeted post-training can transform a policy that fails under naive fine-tuning into a competent real-world system using only a single GPU”
来源：arXiv · cs.AI · arxiv.org