DiscoDemo：探索用于模仿学习的高效多样机器人示范
DiscoDemo不把强化学习用作可直接部署的控制器，而是将其作为生成多样成功机器人示范的工具。带潜变量条件的强化学习生成器结合并行反向课程学习与成功门控的多样性目标，以发现多种解决策略。生成的行为经过安全过滤后，导出为供视觉运动模仿学习使用的静态数据集。在四项操作任务中，下游策略的成功率在仿真环境中由40%提升至62%，在真实机器人上由39%提升至78%。结果表明，更丰富的成功轨迹能够提升模仿学习效果，并可补充纠错数据采集。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。