Dex-O2 Множество: обучение манипулированию на основе единой человеческой демонстрации

arXiv:2610.12470v1 Annuate Type: кросс-бюллетень: В то время как изучение дешёвых манипуляций из одного человеческого видео предлагает многообещающую альтернативу дорогостоящим демонстрациям роботов, многие недавние методы в основном подражают демонстрируемым движениям. Такое строгое соответствие движения часто ограничивает обобщение первоначального объекта, порождаемого, поставленного и не показываемого в видео. В качестве альтернативы, обнаружение политики посредством дополнительного обучения (RL) позволяет обеспечить широкое обобщение, но без предварительного руководства оно сталкивается с проблемой проведения крупномасштабных исследований при решении сложных многоэтапных задач. Для решения этих взаимосвязанных задач обобщения и разведки мы представляем Dex-O2 Mножество, реальные рамки для перехода от "sim к реальности", которые обобщают общеизвестную дурацкую политику манипулирования из одного человеческого видео. Наша главная цель состоит в том, чтобы вычерпнуть видео на графики последовательной сцены, которые будут направлять RL, что позволит эффективно исследовать при сохранении широкой обобщенности. Графики служат в качестве факторов, ограничивающих процесс отбора пробd