伯克利羅劍嵐：機器人的范式，藏在真實世界中丨具身先鋒十人談

AIGC動態歡迎閱讀

原標題：伯克利羅劍嵐：機器人的范式，藏在真實世界中丨具身先鋒十人談
關鍵字：機器人,模型,數據,問題,世界
文章來源：AI科技評論
內容字數：0字

內容摘要：

Sergey Levine 對羅劍嵐說，“You really made RL work.”作者丨賴文昕
編輯丨陳彩嫻
近日，伯克利大學 Sergey Levine 團隊發布了一項強化學習方向的重磅工作——HIL-SERL，引起了具身智能領域的廣泛討論與關注。
根據實驗結果，基于強化學習框架 HIL-SERL，研究者可以直接在現實世界中訓練基于視覺的通用機器人操作策略。其中，機器人經過 1~2.5 小時的訓練后，就能完成主板、儀表盤以及正時皮帶組裝等操作任務。
而且，機器人完成所有任務的成功率均高達 100%！
這些任務包括組裝家具、顛勺煎蛋、鞭打積木、插入 U 盤等操作，即使在人為干擾的情況下，機器人也依舊能夠穩定、靈活地完成任務。
此前，強化學習（RL）總是被業內人士詬病其只能在模擬環境中改進算法性能，無法解決現實世界里真實機器人的問題。但 SERL 系列的工作證明，真機 RL 不是天方夜譚——如今，強化學習不僅能應用在現實世界中，且在精準靈巧的操作任務上效果極佳，且遠超模仿學習方法，節拍數也平均快了 1.8 倍。
換言之，SERL 是真機 RL 機器人領域的一個劃時代工作。而這個

原文鏈接：伯克利羅劍嵐：機器人的范式，藏在真實世界中丨具身先鋒十人談

聯系作者

文章來源：AI科技評論
作者微信：
作者簡介：