机器人示教学习在线自适应潜在物理属性

Kotaro Kajitsuka、Masaki Murooka、Fumio Kanehiro 提出一种示教学习方法：从包含物理属性适应行为的示范中联合学习动力学模型与物体特定的潜在表示，并用该表示条件化模仿策略。执行时动力学模型与策略权重固定，仅依据预测观测与实际观测的偏差在线更新潜在表示，从而调整抓取与接触位置等动作。 在质心不同的物体上开展的真实与仿真实验显示，这种在线自适应可提升任务成功率；但仿真中示范未覆盖的质心位置成功率仍在约30%，作者据此指出对未见物理属性的适应能力有限。该工作已被 SII 2027 接收。

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。