文章预览
Sergey Levine 对罗剑岚说，“You really made RL work.” 作者丨赖文昕 编辑丨陈彩娴 近日，伯克利大学 Sergey Levine 团队发布了一项强化学习方向的重磅工作——HIL-SERL，引起了具身智能领域的广泛讨论与关注。 根据实验结果，基于强化学习框架 HIL-SERL，研究者可以直接在现实世界中训练基于视觉的通用机器人操作策略。其中，机器人经过 1~2.5 小时的训练后，就能完成主板、仪表盘以及正时皮带组装等操作任务。 而且，机器人完成所有任务的成功率均高达 100%！ 这些任务包括组装家具、颠勺煎蛋、鞭打积木、插入 U 盘等操作，即使在人为干扰的情况下，机器人也依旧能够稳定、灵活地完成任务。 此前，强化学习（RL）总是被业内人士诟病其只能在模拟环境中改进算法性能，无法解决现实世界里真实机器人的问题。但 SERL 系列的工作证明，真机 RL 不是天方
………………………………
