Rohan Paul

人类视频正在成为机器人技术的重要预训练基础： 但非常有趣的是，虽然人类视频可以教机器人有用的操作技能，但当在训练前将人类经验转化为机器人自己的身体和动作时，效果会更好。即 “有效体验≈小时数×每小时信息量。” 在这里读起来真的很不错。它主张在两个轴上进行缩放：“体验尺度”，意味着你记录了多少人类活动，以及“体验密度”，意味着每个记录揭示了多少关于物体状态、手和身体运动、接触、几何、时间和工具使用的信息。 “体验密度”来自于在每次人类演示中捕捉更多的物理现象。例如训练数据不仅仅可以看到有人打开抽屉，还可以保存手接触抽屉的位置、物体如何移动、涉及什么力量或抓握以及场景随后如何变化。