LEARNING
训练与评估具有长上下文长度的扩散策略
Abhinav Agarwal, Adam Wei, Taylan Kargin, Michael Zeng, Cole Becker, Arif Kerem Dayi, Pablo Parrilo, Asuman Ozdaglar, Russ Tedrake
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文研究了模仿学习中上下文长度对机器人操作策略性能的影响，发现简单增加上下文长度并非如先前文献所述那般脆弱。作者提出了一种联合训练多上下文长度策略的算法，降低了长上下文学习的样本复杂度。
关键词
imitation learningcontext lengthdiffusion policyrobotic manipulationlong-context
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018