In-Context Learning

Jim Fan、韩松团队提出 Robota-Embed：机器人检索经验，动作比画面更关键

具身智能机器人想要复用过往操作经验，普遍会检索历史示范视频，模仿曾经成功的操作。 但传统检索大多只比对画面外观：只要桌子、物体看起来一致，就判定是匹配片段，忽略机械手当下的运动方向。同样的纸箱、同一段胶带，封箱和撕胶带两张画面几乎看不出差别…