paper: On the Sample Complexity of Stability Constrained Imitation Learning
在理论方面，研究人员研究了表征模拟学习样本复杂性的动态系统稳定性，以及捕获演示数据中的失效和恢复以更好地调节小数据集离线学习的作用。
人工智能领域大型模型的进步促进了机器人学习能力的飞跃。
在过去的一年里，可以看到 LLM 中捕捉到的上下文感觉和事件顺序帮助解决机器人技术的长期规划，并使机器人更容易与人互动和完成任务。还可以看到用可扩展的路径来学习鲁棒性和泛化机器人行为，通过应用Transformer模型架构的机器人学习。
谷歌承诺将继续开放源代码数据集，在新的一年继续发展有用的机器人。