机器人 / 具身智能

Embedding Morphology into Transformers for Cross-Robot Policy Learning

将形态学嵌入到变换器中以实现跨机器人策略学习

Kei Suzuki, Jing Liu, Ye Wang, Chiori Hori, Matthew Brand, Diego Romeres, Toshiaki Koike-Akino

机构 * Mitsubishi Electric Research Laboratories (MERL), Cambridge, Massachusetts, USA（三菱电机研究实验室（MERL），马萨诸塞州剑桥） 纠错

专题命中 机器人学习 ：robot policy(title,abstract)；robot learning(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出一种机体感知的变换器策略，通过三种机制注入形态学以提升跨机器人策略学习的鲁棒性和性能。

Comments 17 pages, 8 figures (including appendix)

Towards Robot Skill Learning and Adaptation with Gaussian Processes

基于高斯过程的机器人技能学习与适应

A K M Nadimul Haque, Fouad Sukkar, Sheila Sujipto, Cedric Le Gentil, Marc G. Carmichael, Teresa Vidal-Calleja

专题命中 机器人学习 ：manipulation(abstract)；分类 cs.RO

AI总结 本文提出基于高斯过程的机器人技能适应框架，通过优化、行为克隆和强化学习方法，在模拟和硬件上实现高成功率和运动学轮廓保持。