以最小成本提升机器人操作泛化能力
机器人学
2025-08-05 v2 机器学习
摘要
视觉语言-动作(VLA)模型在具身 AI 中的应用日益增长，加剧了对多样化操作示范的需求。然而，数据收集的高成本常导致数据覆盖不足，从而限制模型性能。观察到大工作空间中的空间推理阶段(SRP)在错误案例中占主导地位。值得注意的是，这些数据采集成本较低，突显了利用低成本数据提升模型性能的潜力。本文引入 RoboTron-Craft—a 阶段划分且成本效益的方法论，用于现实操作生成。基于此，提出 RoboTron-Platter 方法—a 将训练轨迹解耦为离散任务阶段并利用丰富易获取 SRP 数据以增强 VLA 模型泛化能力的框架。通过分析我们展示，针对子任务进行特定训练并加入适当比例的 SRP 数据可作为机器人操作的性能催化剂，最大化昂贵物理交互阶段(PIP)数据的利用。实验表明，通过将大比例低成本 SRP 轨迹引入有限的 PIP 数据，可在零样本场景中实现最高41%的成功率提升，同时能够将操作技能迁移至新目标。项目地址为 https://github.com/ notFoundThisPerson/RoboTron-Craft。
引用
@article{arxiv.2503.19516,
title = {Boosting Robotic Manipulation Generalization with Minimal Costly Data},
author = {Liming Zheng and Feng Yan and Fanfan Liu and Chengjian Feng and Yufeng Zhong and Lin Ma},
journal= {arXiv preprint arXiv:2503.19516},
year = {2025}
}