Bài báo này trình bày về Latent Adaptive Planner (LAP), một chính sách dựa trên biến tiềm ẩn cho thao tác động không tiếp xúc (ví dụ: nắm hộp). LAP suy ra các kế hoạch trong không gian tiềm ẩn chiều thấp và được đào tạo hiệu quả bằng cách sử dụng các video trình diễn của con người. Trong quá trình thực hiện, LAP duy trì các xác suất sau cho kế hoạch tiềm ẩn và thực hiện lập kế hoạch lại biến phân khi có các quan sát mới, đạt được sự thích ứng theo thời gian thực. Để thu hẹp khoảng cách triển khai giữa con người và robot, chúng tôi giới thiệu một ánh xạ tỷ lệ dựa trên mô hình tái tạo chính xác trạng thái khớp động học và vị trí vật thể từ các trình diễn của con người. Thông qua các thí nghiệm nắm hộp đầy thử thách với các thuộc tính vật thể đa dạng, LAP học các chuyển động tuân thủ giống con người và các hành vi thích ứng, thể hiện tỷ lệ thành công tuyệt vời, quỹ đạo mượt mà và hiệu quả năng lượng. Nhìn chung, LAP cho phép thao tác động thông qua việc thích ứng theo thời gian thực và chuyển giao thành công trên các nền tảng robot không đồng nhất bằng cách sử dụng cùng các video trình diễn của con người.
