人形机器人数据高效示教学习框架研究

2026年10月20日，arXiv Robotics 刊出 Keyhan Rayati 等作者的论文，提出一个面向人形机器人的数据高效示教学习（LfD）框架。该框架不直接使用原始图像，而是从紧凑的任务特定特征中学习操作技能：先做分层视觉预处理，用 Kinect 做人体关节估计，再通过提示式目标检测与深度信息提取人体运动特征和三维物体位置，最后训练时序深度学习模型预测机器人关节角轨迹。在 NAO 人形机器人上，仿真中仅用 16 次示教即实现抓取放置任务 78% 成功率，100 次示教提升至 86%；推动任务用 8 次示教达到 71% 成功率。目前进展停留在仿真验证阶段，报道未提及真机实验或与其他方法的对比结果。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。