研究团队提出机器人精准操作框架GR-BC
热点事件持续更新
研究团队提出机器人精准操作框架GR-BC
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Xiaoman Li等研究团队提出面向机器人精准操作的离线后训练框架GR-BC，相关论文已被机器人学习会议CoRL 2026接收。 该框架在包含人工干预的演示与试跑数据上构建目标可达性图，通过反向搜索剩余步数为动作块计算权重，无需训练奖励模型、评价器或进度预测器，即可复用失败轨迹中的有效片段并惩罚回退动作。团队称，在4个精确操作任务和3种VLA主干模型上，数轮离线迭代后任务成功率达到91%。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 01:09
GR-BC：结合人工干预与图重加权行为克隆的机器人精确操作框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · 工业智能研究摘要GR-BC：结合人工干预与图重加权行为克隆的机器人精确操作框架
预印本摘要称，研究团队提出离线迭代后训练框架 GR-BC，通过在包含人工干预的演示和试跑数据上构建目标可达性图并反向搜索剩余步数，为动作块计算权重。该方法无需训练奖励模型、评价器或进度预测器，即可复用失败轨迹中的有效片段并惩罚回退动作。在 4 个精确操作任务和 3 种 VLA 主干上，数轮离线迭代后成功率达到 91%，论文已被 CoRL 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。