DSP 框架提出通过受监督玩耍学习机器人灵巧操作

预印本摘要提出 DSP 框架，让机器人从数分钟人类玩耍数据中克隆出探索策略，自主收集数小时交互数据以训练世界模型，并由该策略引导模型预测控制与策略蒸馏。在欠驱动推物体与多指手任意姿态重定向的真实世界实验中，该方法成功率比事后行为克隆高出 69.6%，且以少 490 倍的交互数据量达到与强化学习相当的成功率，无需特定任务演示或 Sim2Real 迁移。