如何指导你的机器人：密集语言注释助力机器人策略学习

Bosung Kim, Ruiyi Wang, David Acuna, Jaehun Jung, Alexander Trevithick, Brandon Cui, Yejin Choi, Prithviraj Ammanabrolu

2026

摘要

本文提出DeMiAn方法，通过密集的多方面语言注释从固定演示数据中提取更多信号，提升机器人策略学习效率。实验表明，该方法在无需收集新演示的情况下，显著提高了视觉-语言-动作策略和世界动作模型的性能。

dense language annotationsrobot policy learningVLMdemonstration scalingmulti-aspect annotation

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026