Cleanly-DINO:从少样本示范学习机器人视觉任务空间
Cleanly-DINO: Efficiently Learning Visual Task Spaces for Robotics
AI 摘要
Röfer 等人提出 Cleanly-DINO,从少量示范学习视觉任务空间:利用任务区域掩码和冻结 ViT 特征拟合投影以隔离任务空间,并学习任务进展度量。模型在多样清洁示例上训练,能定位未完成区域并跨视觉域迁移,还作为强化学习的观测编码器和奖励信号,并部署于机器人。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。