arXiv Robotics· Yanjinghao Xu, Jiexin Zhang, Huan Zhao, Jianjia Mo, Zhenghao Yin, Dingkang Liang, Xiang Bai, Han Ding·· 4 小时前AI 评分42
ARPG：通过动作表征预训练扩展灵巧操作能力
Scaling Dexterous Manipulation via Action Representation Pretraining
AI 导读
ARPG 将动作表征学习与动作生成分离，先在大规模人类操作数据上预训练动作表征编码器，再冻结编码器、训练 130M 参数的生成主干在表征空间中学习任务条件动作分布。在 DexJoCo 基准上取得 SOTA，双臂灵巧操作平均成功率从 π₀.₅ 的 10.1% 提升至 44.7%。扩展实验显示，更广的人类操作行为覆盖能有效提升下游性能。
来源：arXiv Robotics · arxiv.org