研究者提出 ARC 方法提升机器人精细操作成功率

Anukriti Singh 等研究者在 arXiv 发布论文，提出 Adaptive Residual Correction（ARC）方法：一种轻量级后训练模块，用强化学习在冻结策略之上学习残差修正，并以稀疏人类修正决定何时激活与何处探索。论文称，在真实机器人的三项精细操作任务上，该方法将平均任务成功率从 33.3% 提升至 75.0%。 论文还称，人类修正将七关节残差空间约束为任务相关的 2-3 维子空间，保留 96.0-97.7% 的修正幅度平方值。上述数据均来自论文自述，尚属研究者一方的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。