arXiv · cs.RO· Yuxiang Lu; Yantong Liu; Jinghua Hou; Xueli Sun; Ruihua Han; Zhe Liu; Hengshuang Zhao·· 12 天前精选AI 评分74
论文 / 摘要阅读
TILDE：从具身基础模型进行教师闭环蒸馏
TILDE: Teacher-in-the-Loop Distillation from Embodied Foundation Models
AI 导读 · 根据来源整理
TILDE 提出一种从预训练具身基础模型向未做动作预训练的策略迁移能力的蒸馏框架，结合学生状态上的在线蒸馏与教师执行恢复轨迹的学习。其 AutoDAgger 用机器人奖励模型监测任务进度并触发教师介入，无需人工监控或操控，恢复轨迹采集速度比人类在环方法快 2 倍以上。在三个真实世界任务上，TILDE 的任务表现最高为行为克隆的 4.1 倍，并支持跨架构蒸馏。
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