DSP：从监督玩耍学习灵巧操作

2026年10月16日，arXiv Robotics 刊出 Botao He 等作者的论文预印本，提出机器人框架 DSP（Dexterity from supervised play）。据该报道，DSP 先通过行为克隆，从数分钟人类玩耍数据中学得一个玩耍策略；随后机器人自主部署该策略，采集数小时交互数据，用于训练世界模型；在推理阶段，由该玩耍策略为 MPC（模型预测控制）提出候选动作序列。报道未给出实验平台、任务种类、成功率或对比基线等细节，也未说明人类玩耍数据的具体采集方式与数据量上限。截至该报道，事件进展为论文预印本发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。