验证损失能预测真机成功率吗?SO-101 机械臂上四种模仿学习策略的实测
研究在 SO-101 机械臂的抓取放置任务上训练 ACT、Diffusion Policy、SmolVLA 和 π0.5(仅动作专家),用 12 至 200 条演示的嵌套子集对比留出验证损失与真机闭环成功率。
试运行:收录范围与分类仍在校准,更新可能延迟。 最近内容更新:2026-11-04 17:28(北京时间)
研究在 SO-101 机械臂的抓取放置任务上训练 ACT、Diffusion Policy、SmolVLA 和 π0.5(仅动作专家),用 12 至 200 条演示的嵌套子集对比留出验证损失与真机闭环成功率。
Hao Xue 等提出 AuroraWorld,用结构化 4D 世界建模从大规模外视角操作视频合成第一视角观测,以缓解第一视角数据采集的硬件与部署成本。作者指出,现有方法在大幅视角变换、严重遮挡、复杂物体交互和外视角观测稀疏的条件下,难以生成物理一致且与策略相关的第一视角视频。该文为 arXiv 预印本(arXiv:2611.00177),摘要未给出实验任务、数据集与量化指标。
研究提出 Teach-Abstract-Apply(TAA)框架,让操作者用自然语言教协作机器人新工作流,再把教过的流程抽象成可复用技能并迁移到不同场景。作者以协作搭建结构任务为案例,用开源权重模型 Qwen3-Coder 和闭源模型 GPT5.2-Codex 在自对弈与跨模型配置下评估,结果显示技能抽象提升了任务成功率并降低交互成本。初步的人类在环研究提示该流程也能处理人类指令,论文为预印本。
Neuralink 介绍其用 5 万小时无标注脑数据预训练自监督编码器,使神经解码器无需重新校准即可连续工作数周。原文称该做法创下 11.32 BPS 的码率纪录,但仅提供摘要,未披露具体模型结构、实验任务与对照基线。
Figure 将其隐身开发四个月的众包数据应用更名为 Index,并正式上线 Google Play 与 App Store,用于采集 Helix 训练所需的真实世界物理数据。
关注价值:Figure 披露自建真人视频数据管线的五级处理流程与多样性指标,可供判断机器人训练数据的规模化路径。