VDA
Jak działa
Polityka otrzymuje dwa rodzaje wejścia: bieżącą obserwację wizualną (np. obraz RGB lub RGB-D, chmurę punktów) oraz kontekst w postaci jednej lub kilku demonstracji tego samego zadania. Model, działając jak uczenie w kontekście, odnosi bieżącą obserwację do demonstracji i przewiduje kolejne akcje robota (np. pozy chwytaka). W reprezentatywnej realizacji (Instant Policy) demonstracje, obserwacje i akcje są zakodowane jako graf, a akcje generowane są przez wyuczony proces dyfuzji na tym grafie; model jest trenowany na pseudo-demonstracjach z symulacji. Kluczowa cecha: przy wnioskowaniu nie dostraja się wag — nowe zadanie „ładowane" jest wyłącznie przez demonstracje w kontekście.
Rozwiązany problem
Odpowiada na trudność w szybkim zadawaniu robotowi nowych zadań: instrukcje językowe bywają niejednoznaczne i trudne do ugruntowania w scenie, a klasyczne uczenie przez naśladowanie wymaga treningu osobnej polityki na zadanie. Warunkowanie demonstracją pozwala określić zadanie pokazem i uogólnić je bez ponownego treningu.
Implementacja
Ewolucja
Wprowadzenie uczenia polityki rozpoznającej zadanie z pojedynczej demonstracji — podstawa warunkowania polityki demonstracją.
Reprezentatywna metoda realizująca wzorzec obserwacja + demonstracja -> akcja: uczy nowego zadania z 1-2 demonstracji bez dalszego treningu, modelując rozumowanie nad demonstracjami, obserwacjami i akcjami jako dyfuzję na grafie (Vosylius i Johns, Imperial College London; akceptacja IROS 2025).