EPCC：慢演示加快试玩实现超示教速度

2026年10月27日，arXiv Robotics 刊出 Seunghoon Cho 等作者的论文，提出 Expert-Play Contouring Control（EPCC）方法，研究“快于示教”的机器人执行问题，并将其作为动力学感知的控制问题处理。该方法把慢速专家演示与快速、非专家试玩结合：将专家轨迹重参数化为与时间无关的任务进展等值线，并用试玩数据训练快速动作结果的世界模型，部署时沿等值线优化动作。在三个视觉运动操作任务上，平均吞吐量达模仿学习基线的 2.0 倍；在交互敏感物体动力学任务上，达最强加速基线的 2.2 倍。作者称增益集中在快速执行改变机器人-物体演化的场景。目前报道仅给出上述实验结论，未提及代码、数据集发布或真实机器人部署细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。