关闭遥操作闭环：基于剂次水平的数据质量评估与反馈用于高质量示教数据收集
机器人学
2026-05-27 v1
摘要
工业自动化正处于关键转折点，随着物理人工智能的推动，从刚性的人工工程化自动化系统向更灵活、自适应的系统转变。这一转变导致对大规模真实世界机器人示教数据的需求不断增长，使遥操作成为数据收集日益重要的机制。然而，在实践中，很难获得高质量的遥操作示教数据，因为初学者操作员常常产生任务成功但下游使用不够理想的剂次，其运动效率低、重复纠正或靠近机器人关节限制。我们提出了数据质量评估与反馈（DQAF）框架，通过提供基于语义任务进度和机器人遥测的即时事后反馈，实现了遥操作的闭环。该框架提取如子任务进度、运动平滑性、停顿、运动学限制等与质量相关的信号，并将其转换为结构化的质量评估和可操作的自然语言反馈。与二元成功或失败反馈不同，本系统解释为何某个剂次不够理想，并指出下一试验中需要纠正的具体行为。在诊断性验证研究和示教用户研究中对该框架进行评估。在验证研究中，该系统被用于数据 curated 时的人类审阅员，对比后产生拒绝原因和改进的可操作反馈。在三名初学者操作员跨两个操作任务的示教研究中，接受系统即时自动事后反馈的操纵员比那些不接受反馈的操纵员进步更快，更快地产生了更高质量的示教。
引用
@article{arxiv.2605.26349,
title = {Closing the Loop in Teleoperation: Episode-Level Data Quality Assessment and Feedback for High-Quality Demonstration Collection},
author = {Gokul Narayanan and Yash Shahapurkar and Melih Erdogan and Brian Zhu and Eugen Solowjow},
journal= {arXiv preprint arXiv:2605.26349},
year = {2026}
}