表征选择比优化器设置更决定真机模仿学习表现
资讯摘要
论文在五指机械手上对七类共281个模仿学习策略开展约1700次真实机器人试验，任务为RJ45接头抓取与插入。受控消融显示，观测与动作表征的影响超过优化器和采样选择：点云策略采用感兴趣区域裁剪、机器人基座坐标系和点编码器内归一化，各提升成功率70至100个百分点；视觉-语言-动作策略改用绝对动作预测，插入成功率最多提升70个百分点。67个离线指标中仅5个运动平滑度与直接性指标与插入成功相关。
要点速读
- 281个策略、约1700次真机试验，任务为五指机械手RJ45抓取与插入
- 点云策略的ROI裁剪、基座坐标系、点编码器归一化各提升成功率70-100个百分点
- VLA策略用绝对动作预测替代相对预测，插入成功率最多提升70个百分点；67个离线指标中仅5个与成功相关
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。