ReDOA：真实世界蒸馏的图像操作策略

2026年10月20日，arXiv Robotics 刊出 Kotaro Kajitsuka 等作者的论文，提出 ReDOA（Real-World Distillation via Observation Alignment）框架，用于在真实世界学习基于图像的机器人操作策略。该框架把控制学习与感知学习解耦：先在仿真中训练状态教师策略，将其部署到真实机器人，再用采集的轨迹把控制知识蒸馏进图像学生策略，无需人类专家演示。报道称，观测对齐解决了数据采集与部署之间的观测不匹配问题。在三个非抓取操作任务（含双臂操作）的真实机器人实验中，该方法在任务成功率与执行效率的综合表现上优于人类演示模仿学习和仿真策略蒸馏。目前该事件仅有这一篇主报道，尚无跟进报道或相互矛盾的说法。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。