I3L：迭代交互式模仿学习提升全身移动操作

研究人员发布 I3L 软硬件系统，把全身纠正与迭代式策略精炼结合起来，用于提升全身移动操作的可靠性。其低成本开源 JoyLo+ 接口让操作员通过策略跟随主臂和触摸触发接管，对身体各部位进行协调纠正；迭代部署与再训练则让操作员针对更新后策略的失败之处补充纠正。 在三种机器人本体、八项仿真与真实任务上，经过四轮 HG-DAgger，自主成功率较基础策略平均提升 68.3 个百分点，每项任务至少达到 90%；在同等训练轨迹数下，比纯示范训练高 35.6 个百分点。上述结果来自作者报告。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。