机器人的上下文学习：方法与应用
通用机器人必须推断新任务的要求，并将理解转化为恰当的物理动作。机器人上下文学习（ICL）通过演示和交互引导已有能力，同时在部署期间保持神经网络参数不变。这篇文献综述将连接上下文与执行的方式归为四类：上下文条件策略、演示的几何迁移、基于世界模型的控制，以及基于技能或智能体的执行。比较这些方法有助于厘清迁移假设，以及训练、对应关系和记忆的作用。文章以操作和导航为例，探讨物体、环境和执行条件变化时如何保留已教导的要求，并梳理用于区分对教学的响应能力、物理迁移效果和保留经验所带来益处的评估方法。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。