另外，底层算法模型尚未统一影响整体效率，精细操作中不同任务对应不同的奖励函数，无法设置统一的奖 励函数进行强化学习，因此目前尚未有统一的底层算法。对于每一个具体的精细动作任务，都需要单独开发 和调校相应的算法模型，导致不同组件或子系统之间的兼容性和互操作性较差，影响人形机器人整体性能和 效率。 | 精细动作执行底层算法 | | | --- | --- | | 底层算法 -- | 具体情况 | | 生成式模仿学习 | 结合了模仿学习和生成模型检思想,用于训练机器人或其他智能体通 过观察专家或人类的行为来学习执行任务。 | | Affordance (可供性) | "Affordance"(可供性)是一个源自心理学的概念,指的是环境中的物 体或表面为一个有机体提供的可能行为。 简单来说,就是环境中的物体提供了那些潜在的使用方式或操作机会。 | | 大模型向答 | 使用大规模预训练的语盲模型来处理自然漫富理解和生成任务。 | | 大模型Prompt规划 杂的任务。 | 利用大模型来生成或优化任务指令 (Prompts),以指导机器人完成复 | | Language TE | 通过算法和技术手段来改进或纠正语言表达中 ...