arXiv Robotics· Zeyi Liu, Shuran Song·· 5 小时前AI 评分34
BATCH：从人类演示中进行跨具身学习的行为对齐框架
BATCH: Behavior Alignment for Cross-Embodiment Learning from Humans
AI 导读
BATCH 是一个显式对齐人类与机器人行为的跨具身学习框架，通过带循环一致性目标的自监督时序表征建立跨具身对应关系，无需人工标注。该框架在自回归视频-动作扩散模型中引入行为对齐协同训练与人类到机器人风格迁移两个训练目标。在真实世界操作任务上，BATCH 对未见任务配置的泛化优于未对齐数据训练和先前跨具身基线，风格迁移目标带来额外增益。
推荐理由模型分析
针对人类演示与机器人在具身、视角、动作空间和时间结构上的差异，用循环一致性自监督学习建立跨具身对应关系，再以行为对齐协同训练和风格迁移两个目标接入自回归视频-动作扩散模型。真机操作任务显示，相比未对齐数据和既有跨具身基线，对未见任务配置的泛化更好；但结论限于实验室真机任务，尚不能外推到复杂现场。
来源：arXiv Robotics · arxiv.org