Imitation learning
Fellow suit ce sujet depuis août 2026 : 6 articles résumés en français, dont 2 jugés majeurs ou notables.
Toute l'actualité · 6 articles
GUILD : collecte de données itérative guidée pour l'imitation learning
Une méthode de collecte guidée utilise des modèles vision-langage et l'attribution prédictive des données pour décider quelles démonstrations robotiques collecter, au lieu de filtrer après coup.
Pixel-UMI : apprendre la manipulation corps entier sensible à l'environnement à partir de démonstrations humaines instrumentées
Un pipeline transforme des démonstrations humaines instrumentées en politiques robotiques corps entier tenant compte de l'environnement, évalué sur cinq tâches avec 87,0 % de progression moyenne.
Pixel : un système robotique full-stack co-conçu pour apprendre la manipulation mobile généraliste
Des chercheurs présentent Pixel, un système intégrant humanoïde à roues low-cost, collecte de données, contrôleur whole-body et apprentissage de politiques pour la manipulation mobile.
La distillation on-policy asymétrique apprend l'exploration in-context
ASTEROID, un cadre étudiant–enseignant supervisé, apprend à explorer au moment du test sous observabilité partielle, sans le coût en données de l'apprentissage par renforcement en ligne.
Quoi et quand ? Diagnostiquer et améliorer l'ancrage visuel conditionnel dans les politiques d'imitation visuomotrices
Une étude montre comment des objets distracteurs perturbent la sélection de cibles dans les politiques robotiques d'imitation, et propose des correctifs concrets.
Interaction on-policy en imitation learning : quand aide-t-elle vraiment ?
Une étude théorique montre que l'interaction avec l'expert allège les exigences de représentation du modèle, avec un nouvel algorithme à l'appui.