削皮操作学习框架：偏好微调提升成功率

Toru Lin 等作者在 arXiv 发布预印本，提出以削皮为代表的精细操作学习框架：先通过力感知数据采集与模仿学习得到可跨物体变化的初始策略，再用结合定量任务指标与人类定性反馈的学习奖励模型做偏好微调。作者称，仅用 50 至 200 条削皮轨迹，系统在黄瓜、苹果、土豆上同品类成功率 100%，偏好微调带来最高 40% 的性能提升。 作者还称，在单一品类上训练的策略可零样本迁移到部分留出品类：西葫芦成功率 50%、梨 90%、白萝卜 80%。该结果来自预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。