EgoX:自己中心的なクロスエンボディメント操作学習フレームワークを発表

研究・論文✍ テキスト公開: 出典: Hugging Face Papers
要点

人間、実機ロボット、シミュレーションエージェントの異なる経験を統合する、EgoXフレームワークが発表された。

汎用的な操作ポリシーは、人間、実機ロボット、およびシミュレーションエージェントの補完的な経験から恩恵を受けることができる。しかし、形態、センシング、および制御インターフェースの違いにより、それらのデモンストレーションを組み合わせて効果的に学習することは困難であった。

これに対し、EgoXは、意味的に対応する観測およびアクションのモダリティを通じて、異種デモンストレーションを整理する自己中心的なクロスエンボディメント学習フレームワークを導入する。EgoXは、この混合データを用いてModularized Cross-Embodiment Transformer with Embodiment Dreaming (MXT+)を事前学習し、ターゲットとなるエンボディメントのデモンストレーションで微調整を行う。

この記事は要約です。正確で完全な内容は元の記事をご確認ください。

元の記事を読む: Hugging Face Papers ↗