Data and Learning Where it Matters for Contact-Rich Manipulation
यह शोध पत्र एक हाइब्रिड दृष्टिकोण प्रस्तावित करता है जो मुक्त-स्थान गति (free-space motion) के लिए पारंपरिक योजना और महत्वपूर्ण संपर्क-समृद्ध (contact-rich) खंडों के एक छोटे, लक्षित डेटासेट पर स्वचालित ऑफलाइन डीप रीइन्फोर्समेंट लर्निंग को जोड़ता है, जिससे शुद्ध एंड-टू-एंड सीखे गए पॉलिसियों की भंगुरता और सामान्यीकरण संबंधी समस्याओं को दूर करते हुए चुनौतीपूर्ण वास्तविक दुनिया के कार्यों में 96% सफलता दर प्राप्त होती है।