#zero-shot transfer

11 stories · 0 in 7 days · 1 in 30 days

reinforcement learning 2 DreamX 1 MARL 1 SGS 1 quadruped robots 1 graph neural networks 1 robot learning 1 robot control 1

Stories, products and papers tagged "zero-shot transfer", newest first.

Nov 4

Papers Builders14:04

Chinese contentDreamX：将视频扩散模型改造成通用潜在动作学习器

一篇有意思的论文：把视频扩散模型拿来学潜在动作，每帧压到 4 个 token，人类和机器人的动作能互相迁移，在 LARY-Bench 上拿了最优。

#DreamX #robot learning #zero-shot transfer

arXiv cs.AI@Jisoo Kim et al. (9)Source

Oct 9

Papers Builders10:52

Chinese content平衡数据饮食解决大规模机器人控制探索瓶颈

MIT团队推出SGS方法，让百万级并行环境训练更高效，解决了四足机器人和精密装配难题。

#SGS #reinforcement learning #robot control #quadruped robots

arXiv cs.LG@Octi Zhang et al. (7)Source

Sep 25

Papers Builders10:07

Chinese content基于图的推理与拓扑感知多智能体强化学习用于大规模铁路网络管理

苏黎世团队联合瑞士国铁做了个铁路维护的 MARL 框架，小网络上训练完直接零样本搬到大规模网络，不用重训还比基线省时间。

#MARL #graph neural networks #reinforcement learning #zero-shot transfer

arXiv cs.LG@Giacomo Arcieri et al. (6)Source

Sep 13

Models BuildersSelected16:31

A navigation model controls 4 robot types without fine-tuning

For users needing to control multiple robot types, this model offers a unified solution without the need for separate training for each robot type.

#zero-shot transfer

量子位@允中Source

Jul 29

Papers11:57

Chinese contentCHARM: 多模态图基础模型实现零样本迁移

这篇论文提出了CHARM，用分层上下文建模多模态图，不需要目标域微调就能零样本迁移，比现有GNN和LLM方法更通用。

#CHARM #multimodal #zero-shot transfer #LLM

arXiv cs.AI@Ankang Yang et al. (5)Source

Jul 14

Papers12:19

Chinese contentREGRIND：极简重定向强化学习实现灵巧操作

复旦等团队用REGRIND，只看一段演示就让机械手学会用剪刀和螺丝刀，零样本上手，动作和人一样自然。

#REGRIND #dexterous manipulation #reinforcement learning #zero-shot transfer

arXiv cs.LG@Yunhai Feng et al. (6)Source

Jul 1

Papers10:10

Chinese contentLeCropFollow：非结构化作物田地的潜在空间导航规划

这个方法不用几何建模，直接用潜在空间规划让农业机器人在杂乱玉米地里也能走。语义故障减少2.4倍，零样本迁移到真实世界。

#LeCropFollow #TD-MPC2 #zero-shot transfer

arXiv cs.AI@Felipe Tommaselli et al. (7)Source

Jun 17

Models US vs China83°10:17

Chinese contentQwen-RobotManip技术报告：对齐解锁机器人操作基础模型的规模

阿里Qwen团队这个机器人模型用开源数据和人类演示就能学，跨平台零样本操作，还在多个测试里碾压了π0.5，做机器人开发的别错过。

#Qwen-RobotManip #Qwen-VL #robot foundation models #multimodal

Event

arXiv cs.LG@Haoqi Yuan et al. (23)Source

Jun 9

PapersSelected10:55

Chinese contentReCoVLA：VLM引导奖励编译，提升VLA策略故障恢复能力

做机器人操作策略的团队终于有了一个不重新训练就能处理故障的方案——ReCoVLA 用 VLM 做奖励选择器，零样本迁移到真实环境。做 VLA 策略部署的开发者可以直接参考这个框架。

#zero-shot transfer #robot manipulation

arXiv cs.AI@Haodi Hu et al. (7)Source

Jun 2

Papers11:16

Chinese contentWorld-Task Factorization 实现机器人学习零样本泛化

机器人学习领域长期面临泛化难题，这篇论文从结构分解入手给出了新解法。做机器人策略研究或部署的团队值得关注，零样本迁移到真实硬件意味着可以直接减少重复训练成本。

#robot learning #generalization #world models #zero-shot transfer

arXiv cs.LG@Eduardo Sebastián et al. (5)Source

May 19

PapersSelected12:46

Chinese content迁移学习在定制赛车环境中的应用：模型方法优于无模型

做强化学习或自动驾驶的团队可以看看这篇——迁移学习让赛车智能体快速适应新赛道，模型方法收敛更快，值得一试。

#transfer learning #deep reinforcement learning #zero-shot transfer

arXiv: OpenAI@Benedict Florance Arockiaraj et al. (3)Source