机器人学会用“事后画面”训练当下决策:HSD在LIBERO达98.50%,真机成功率从24.17%升到37.50%
机器人必须在看到结果之前选动作,而示教录像里后续帧记录了动作之后发生了什么。Hindsight Self-Distillation(HSD)在训练时让一个能看到当前帧和后续帧的教师,把动作去噪预测和视觉摘要两方面的目标传给学生,学生部署时只读当前帧。学生在LIBERO上平均成功率98.50%,在RoboTwin 2.0上为92.31%;六项真机双臂任务上成功率从Fast-WAM的24.17%升到37.50%。