GAP: Il Pre-addestramento Geometrico con Ancore Potenzia l'Apprendimento Robotico da Poche Dimostrazioni

Un nuovo approccio chiamato Geometric Anchor Pre-training (GAP) è stato introdotto dai ricercatori per migliorare l'efficienza dei dati nella manipolazione robotica attraverso l'apprendimento di politiche visuomotorie. GAP affronta il problema della scarsità di dimostrazioni esperte regolarizzando un modulo di pooling spaziale che adatta i modelli di visione pre-addestrati (VFMs) per compiti di controllo. In assenza di GAP, questo adattatore rischia di sovradattarsi a scorciatoie irrilevanti e può perdere la sua base geometrica quando viene affinato con campioni minimi. Prima dell'apprendimento per imitazione downstream, GAP pre-addestra il livello di pooling utilizzando un compito proxy simulato leggero, incorporando così bias induttivi orientati alla robustezza. Questo metodo semplice e senza azione funge da fase preparatoria. La ricerca è disponibile su arXiv con ID 2605.15836.