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
学习超越人类可演示的能力
Learning Beyond What Humans Can Demonstrate
摘要显示，针对动态稳定性、精确接触时序或灵巧协调等人类操作者难以甚至无法采集示范数据的任务，作者提出 GLIDE 框架，通过推断任务特定失效模式并将其转化为可执行的「护栏」，用于过滤遥操作与策略指令、约束易失败动作，并依据轨迹反馈迭代改进。在三个任务上，数据采集成功率从 0-10% 提升至 70-90%，策略执行成功率分别达到 70%、60%、60%。
意义：为缺乏人类示范数据的机器人操作任务提供数据采集与策略部署的新思路，护栏机制可降低对专家示范的依赖。