顺应性残差DAgger：利用人工修正改进真实世界接触丰富的操作
机器人学
2025-12-29 v5 机器学习
摘要
我们解决了在真实世界接触丰富操作中数据集聚合(DAgger)的关键挑战：如何收集信息丰富的人工修正数据以及如何利用这些新数据有效更新策略。我们引入了顺应性残差DAgger (CR-DAgger)，它包含两个新颖的组件：1) 一个顺应性干预接口，利用顺应性控制，允许人类在不中断正在执行的机器人策略的情况下提供轻柔、准确的增量动作修正；2) 一个顺应性残差策略公式，从人工修正中学习，同时整合力反馈和力控制。我们的系统在四个具有挑战性的任务（翻书、皮带装配、电缆布线、齿轮插入）上，使用最少的修正数据显著提升了精确接触丰富操作任务的性能，将基础策略成功率提高了64%，并且优于从头重新训练和微调方法。通过广泛的真实世界实验，我们为在真实世界机器人学习任务中实现有效的DAgger提供了实用指导。结果视频可在以下网址获取：https://compliant-residual-dagger.github.io
引用
@article{arxiv.2506.16685,
title = {Compliant Residual DAgger: Improving Real-World Contact-Rich Manipulation with Human Corrections},
author = {Xiaomeng Xu and Yifan Hou and Chendong Xin and Zeyi Liu and Shuran Song},
journal= {arXiv preprint arXiv:2506.16685},
year = {2025}
}