即时适配：面向单次部署机器人的行为调制
机器人学
2025-07-23 v3 机器学习
摘要
为了在真实世界中取得成功，机器人必须应对不同于训练时所见的情况。我们研究在部署期间即时适配此类新场景的问题，其方法是利用先前学习的多样化行为库。我们的方法——鲁棒自主调制（ROAM）——引入了一种基于预训练行为感知价值来选择并将预训练行为适配到当前情况的机制。关键在于，该适配过程完全在测试时的单个回合内完成，无需任何人监督。我们证明，ROAM 使机器人能够在仿真与真实 Go1 四足机器人上快速适配动力学变化，甚至能在脚穿轮滑鞋的情况下成功向前移动。在面对部署期间各种分布外情况时，我们的方法通过有效选择与即时适配相关行为，适配效率比现有方法高出 2 倍以上。
引用
@article{arxiv.2311.01059,
title = {Adapt On-the-Go: Behavior Modulation for Single-Life Robot Deployment},
author = {Annie S. Chen and Govind Chada and Laura Smith and Archit Sharma and Zipeng Fu and Sergey Levine and Chelsea Finn},
journal= {arXiv preprint arXiv:2311.01059},
year = {2025}
}