PRIME：从不精确演示学习进度估计

2026年10月19日，arXiv Robotics 刊出 Huanqian Wang 等作者的报道，提出 PRIME 进度估计器。该研究针对机器人精细操作，主张从不精确演示中学习精确的任务进度估计：通过跨轨迹聚合经验，构建带权状态图，以空间距离为转移成本，并用最短路径近似到成功的测地距离，从而区分推进、停滞与倒退。报道称，在充电器插入等精细操作任务上，其策略成功率最高达 SFT 基线的 5 倍。目前该工作处于论文发布阶段，报道未提及后续实验扩展或实际部署进展。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。