**ENCORE：基于少样本演示的机器人操作策略智能体发现**

_Encore: Few-Shot Agentic Discovery of Manipulation Strategies_

> ENCORE 提出一种利用少量演示作为证据而非训练数据的机器人操作策略发现方法。该系统通过确定性构建器将演示转化为多视角关键帧等数据包，由编码智能体研究后编写策略程序，并在固定感知动作 API 下迭代优化。在 LIBERO-PRO 基准测试中，ENCORE 冻结后的程序成功率达 96.3%，显著优于使用相同语言模型的先前最强智能体系统（89.3%）。此外，该方法在真实双臂机器人上成功实现了从五个演示中学习方块传递和杯子翻转任务。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.37359)