sayzard2d ago

Chelsea Finn (@chelseabfinn)

연구 결과: 일반적으로 데이터 다양성이 많을수록 좋다고 예상하지만, 크로스-엠바디먼트(cross-embodiment) 전이에는 서로 짝지어진(paired) 서로 다른 엠바디먼트 데이터가 다양성 증가보다 더 유리하다는 발견을 보고합니다. 관련 웹페이지·코드(data-analogies)와 arXiv 논문 링크 제공.

https://x.com/chelseabfinn/status/2033339098694631427

#transferlearning #crossembodiment #datasets #robotics

Chelsea Finn (@chelseabfinn) on X

Usually, we expect more diverse data >> less diverse data. Cross-embodiment transfer seems to benefit from paired data across embodiments, more so than increasing diversity. Webpage & code: https://t.co/kI1j2xheh3 Paper: https://t.co/gPIzYPtEBU

X (formerly Twitter)