RIR少样本模仿方法在Franka FR3上验证
热点事件持续更新
RIR少样本模仿方法在Franka FR3上验证
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
LP Kaelbling、T Lozano-Perez、B Zandonati提出Rational Inverse Reasoning（RIR），将少样本模仿学习转化为对潜在解释程序的推断：由视觉语言模型提出候选程序，分层规划器给出有界理性似然，迭代精化候选集以逼近简洁可执行程序的后验。 在2D推理基准和真实Franka FR3上，作者称RIR能从少至一次演示中恢复可迁移的任务结构；在布局和物体集合显著变化时，其下游成功率比缺乏显式理性与规划反馈的VLM规划基线在一次和三次演示设置下分别高34和28个百分点。 该工作发表于CoRL LEAP 2026 Workshop，属预印本/研讨会报告，上述效果未经独立验证。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 00:00
Rational Inverse Reasoning：通过规划推断意图实现少样本模仿报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- Google Scholar · 具身研究发现精选Rational Inverse Reasoning：通过规划推断意图实现少样本模仿
作者提出 Rational Inverse Reasoning（RIR），把少样本模仿学习转化为对潜在解释程序的推断：用视觉语言模型提出候选程序，由分层规划器给出有界理性似然，迭代精化候选集以逼近简洁可执行程序的后验。在 2D 推理基准和真实 Franka FR3 上，RIR 能从少至一次演示中恢复可迁移的任务结构；在布局和物体集合显著变化时，其下游成功率比缺乏显式理性与规划反馈的 VLM 规划基线在一次和三次演示设置下分别高 34 和 28 个百分点。该工作发表于 CoRL LEAP 2026 Workshop。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。