站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
剖析数据稀缺机器人插入中的运动先验正则化
Dissecting Motion-Prior Regularization for Data-Scarce Robotic Insertion
摘要显示，该研究在仅用15次演示训练扩散策略的条件下，比较了最小加加速度、速度-曲率正则化及组合方式对机器人插入成功率的影响，每设置进行80次真实机器人试验。联合与仅最小加加速度均达70/80成功（87.5%），仅速度-曲率为69/80（86.3%），无先验为66/80（82.5%），通用平滑为67/80（83.8%）。联合正则化比无先验高5个百分点，但未优于仅最小加加速度，研究未证实协同效应或安全性提升。
意义：为数据稀缺下的机器人扩散策略训练提供了先验正则化的实证对比，提示最小加加速度是更简单可复现的候选方案。