文章预览
报告主题: CoRL X-Embodiment最佳论文奖, 清华团队揭示具身智能Data Scaling Laws 报告日期: 11 月21日(周四)14:30-15:30 报告要点: 在本次演讲中,我们探讨了在机器人领域,尤其是机器人操作中,是否存在数据扩展规律,以及适当的数据扩展是否能够产生单任务机器人策略,从而实现对同类中的任何物体在任何环境中的零样本部署。为此,我们对模仿学习中的数据扩展进行了全面研究。通过在众多环境和物体上收集数据,我们研究了策略的泛化性能如何随着训练环境、物体和演示次数的增加而变化。在整个研究过程中,我们收集了超过40,000次人类演示,并在严格的评估框架下执行了超过15,000次真实世界中的机器人操作。我们的研究结果揭示了几个有趣的现象:策略的泛化性能与环境和物体的数量大致呈幂律关系。环境和物体的多样性远比演示的绝对数
………………………………