Dobb-E：家用机器人人工智能框架
Dobb-E 是一个创新的开源框架，旨在通过模仿学习增强家用机器人的能力。该系统通过利用一种称为 Stick 的经济实惠且用户友好的工具，解决了家用机器人常见的局限性。Stick 由一个 25 美元的抓取棒、3D 打印组件和一部 iPhone 构成，便于收集有价值的演示数据。该框架利用一个名为纽约之家（HoNY）的综合数据集，其中包含来自 22 个不同家庭的 13 小时互动，丰富的 RGB 和深度视频以及详细的动作注释。
Dobb-E 功能的核心在于其训练一个名为家庭预训练表示（HPR）的表示学习模型，该模型基于 ResNet-34 架构。该模型采用自监督学习，使机器人具备在陌生环境中执行新任务所需的技能。Dobb-E 在 15 分钟内解决新任务的平均成功率高达 81%，通过 GitHub 提供预训练模型、代码和全面的文档，以及详细其方法论的研究论文。
