机器人学习

用机器学习让机器人从数据和交互中习得技能，而不是靠手写规则。

机器人学习是机器学习与机器人学的交叉领域，研究让机器人通过学习算法获得新技能或适应环境，而不是由工程师逐条编写控制程序。主要路线有模仿学习（从人类演示中学，比如遥操作采集的数据）、强化学习（在仿真或真机上靠奖励试错），以及近几年用大规模数据预训练的机器人基础模型。它要解决的核心难题是：真机数据少且贵、真机试错有风险、仿真和现实之间有差距。该领域的专门会议是 CoRL（Conference on Robot Learning），具身智能里的大部分模型研究都属于这个范畴。

例子用遥操作采集几十条叠毛巾的演示，训练一个 ACT 策略，让双臂机器人自己学会叠毛巾，而不需要人写出每一步的关节角。

也叫

机器人学习方法

相关

模仿学习、强化学习、策略、仿真到现实迁移、基础模型、具身智能

来源

Robot learning - Wikipedia