arXiv · cs.RO· Yihan Zeng, Yisu Li, Kaixin Huang, Marc WuDunn, Amelia Kovacs, Mikael Harseno, Kimmy Lin, Porter Hunley, Fred Shentu, Philipp Wu, Zhongyu Li, Zike Yan·· 3 小时前精选AI 评分60
论文 / 摘要阅读
LEXP：通过上下文空间适应从物理经验中学习机器人操作
Learning from Physical Experience:Context-Space Adaptation for Robotic Manipulation
AI 导读 · 根据来源整理
LEXP 提出一种从物理经验中学习的框架，通过上下文空间适应把执行证据转化为带适用条件的经验，并在后续动作中复用，模型权重与动作接口保持固定。作者在真实世界实验中发现通用推理模型 ChatGPT-6-Astra 可作为可执行的上下文响应式操作策略。在 12 项真实操作任务中，LEXP 取得 23/36 次成功（63.9%），仅用记忆为 19/36（52.8%），原始 Astra 为 2/36（5.6%）。在面包转移、垃圾分类与洗漱用品整理、取抽屉三项任务上，去掉任务级规划使成功率从 7/9 降至 4/9，去掉保留经验则降至 3/9。执行轨迹展示了反馈引导的纠正与检查策略的跨回合复用。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org