用于更好示范的仪器化：一项案例研究
Instrumentation for Better Demonstrations: A Case Study
AI总结：
本研究通过为挤压瓶配备压力传感器并利用PI控制器自动化数据收集，证明仪器化能提升示范质量，使基于Transformer的策略在78%情况下优于人类数据训练的策略。
摘要：
从示范中学习是机器人操作的一种强大范式，但其有效性取决于所收集数据的数量和质量。在这项工作中，我们提出了一项关于仪器化（即传感器集成）如何提高示范质量并实现数据收集自动化的案例研究。我们为挤压瓶配备压力传感器，以学习液体分配任务，通过PI控制器实现自动化数据收集。基于Transformer的策略在自动化示范上训练，在78%的情况下优于在人类数据上训练的策略。我们的发现表明，仪器化不仅促进了可扩展的数据收集，还带来了性能更优的策略，凸显了其在追求通用机器人智能体方面的潜力。
英文摘要：
Learning from demonstrations is a powerful paradigm for robot manipulation, but its effectiveness hinges on both the quantity and quality of the collected data. In this work, we present a case study of how instrumentation, i.e. integration of sensors, can improve the quality of demonstrations and automate data collection. We instrument a squeeze bottle with a pressure sensor to learn a liquid dispensing task, enabling automated data collection via a PI controller. Transformer-based policies trained on automated demonstrations outperform those trained on human data in 78% of cases. Our findings indicate that instrumentation not only facilitates scalable data collection but also leads to better-performing policies, highlighting its potential in the pursuit of generalist robotic agents.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
