LOTUS：基于无监督技能发现的机器人操作持续模仿学习

我们提出 LOTUS，一种持续模仿学习算法，使物理机器人能够在其整个生命周期中持续且高效地学习解决新的操作任务。LOTUS 的核心思想是从一系列新任务中以少量人类演示构建不断增长的技能库。LOTUS 首先利用开放词汇视觉模型进行持续技能发现过程，该模型将未分段演示中出现的反复模式提取为技能。持续技能发现更新已有技能以避免对先前任务的灾难性遗忘，并添加新技能以解决新颖任务。LOTUS 训练一个元控制器，在终身学习过程中灵活地组合各种技能以应对基于视觉的操作任务。我们全面的实验表明，LOTUS 在成功率上以超过 11% 的优势优于最先进的基线方法，展现出相较先前方法更优的知识迁移能力。更多结果与视频见项目网站：https://ut-austin-rpl.github.io/Lotus/。