arXiv · cs.AI · Toru Lin, Shuying Deng, Zhao-Heng Yin, Pieter Abbeel, Jitendra Malik · 7 小时前模型评分38
用刀削皮：让精细操作对齐人类偏好
How to Peel with a Knife: Aligning Fine-Grained Manipulation with Human Preference
导读
研究团队提出一个两阶段学习框架，以用刀削皮为代表任务，先通过力感知数据采集与模仿学习得到初始策略，再用结合定量指标与人类反馈的奖励模型做偏好微调。仅用 50~200 条削皮轨迹，系统在黄瓜、苹果和土豆上实现 100% 同品类成功率，偏好微调后性能最高提升 40%。单一品类训练的策略还能零样本迁移到部分未见品类，西葫芦成功率 50%、梨 90%、白萝卜 80%。
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 a learning framework for such tasks, using peeling with a knife as a representative example.”
来源：arXiv · cs.AI · arxiv.org