Tag · 2 篇
机器人策略学习
01 02
SIR：面向可解释机器人学习的结构化图像表征
SIR: Structured Image Representations for Explainable Robot Learning
用场景图作为机器人策略的中间表征，把图像特征转成可稀疏化的图结构，既提升对干扰物的鲁棒性，又让决策过程可被逐节点审查；做视觉表征或 VLA 的研究者可借鉴这种「结构化中间表示 + 端到端稀疏化」的思路来替代黑箱图像嵌入。
IGen：从开放世界图像可扩展地生成机器人学习数据
IGen: Scalable Data Generation for Robot Learning from Open-World Images
把开放世界单张图像转成可用于操作策略训练的视频-动作对：先用 3D 场景表示重建，再由 VLM 规划并输出 SE(3) 末端位姿，最后渲染时序一致的观测。做视觉-动作数据合成、VLA 预训练或 sim-to-real 的工作可以直接复用这条「图像→3D→位姿→视频」的流水线来扩充训练集。