GUILD提出引导式数据采集方法，用于模仿学习
热点事件持续更新
GUILD提出引导式数据采集方法，用于模仿学习
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Shivin Dass 等作者提出 GUILD 引导式数据采集（GDC）方法，用于在模仿学习训练前判断应采集哪些数据，以提升下游策略表现。该方法交替进行两步：先借助视觉语言模型的语义先验提议任务，并确定相关的环境、物体配置与目标；再用预测性数据归因估计已采轨迹对目标部署场景策略性能的影响，并把这一信号反馈给后续采集。 作者称在仿真和真实机器人环境中评估后，引导式采集相比被动采集策略、多个基线以及经验丰富的机器人操作者，在样本效率和部署性能上有明显提升。该工作为 arXiv 预印本，尚未见同行评议信息。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 13:00
GUILD：面向模仿学习的引导式迭代数据采集方法报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.RO精选GUILD：面向模仿学习的引导式迭代数据采集方法
GUILD 是一种引导式数据采集（GDC）方法，用于在模仿学习训练前主动判断应采集哪些数据以提升下游策略表现。其迭代框架交替进行任务提议与数据采集、数据评估两步：前者借助视觉语言模型的语义先验确定相关环境、物体配置与目标，后者用预测性数据归因估计已采轨迹对目标部署场景策略性能的影响，并将该信号反馈给后续采集以闭合循环。作者在仿真和真实机器人环境中评估，称相比被动采集策略、多个基线以及经验丰富的机器人操作者，引导式采集在样本效率和部署性能上有明显提升。该工作为 arXiv 预印本，尚未见同行评议信息。
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。