点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Zhuoling Li等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 出发点与背景 动态物体操作（如传送带装配线上的产品处理）是提升工业制造效率的关键，但传统方法需针对不同场景进行专门设计，存在耗时、泛化能力弱等问题。模仿学 习通过专家演示训练机器人策略，是解决该问题的潜在方案，但现有方法依赖大量演示数据，而动态场景的演示收集成本极高。这里旨在探索：仅通过少量演 示，能否实现动态物体操作的强泛化能力？ 工作的核心贡献 动态物体操作的挑战与现有方法局限 提出基于熵的理论框架，量化模仿学习的优化过程，指导低数据需求的泛化操作系统设计； 开发 GEM（Generalizable Entropy-based Manipulation）系统 ，结合目标中心几何感知与混合动作控制，实现动态物体操作的强泛化； 在真实场景（食堂餐具收集）中验证了GEM的有效性，无需现场演示即可实现97%以上的成功率 ...