通过对象中心表示实现可推广的层次技能学习
机器人学
2025-10-27 v1 人工智能
摘要
我们提出了Generalizable Hierarchical Skill Learning(GSL)，这是一种用于层次策略学习的新型框架，显著提高了机器人操控中策略的可推广性和样本效率。GSL的核心思想是将对象中心技能作为接口，以桥接高级视觉语言模型与低级视觉-电机策略。具体而言，GSL利用基础模型将演示分解为可迁移且对象规范化的技能原语，确保在对象坐标系中高效学习低级技能。在测试阶段，由高级智能体预测的技能-对象对被输入低级模块，其中推断的规范化动作被映射回世界坐标系以供执行。这种结构化且灵活的设计在样本效率和跨不可见空间布局、对象外观及任务组合的泛化方面实现了显著提升。在仿真实验中，仅需每项任务3次演示的GSL相较于采用30倍更多数据的基线方法，在不可见任务上性能提升15.5%。在实际机器人实验中，GSL也超越了采用10倍更多数据的基线方法。
引用
@article{arxiv.2510.21121,
title = {Generalizable Hierarchical Skill Learning via Object-Centric Representation},
author = {Haibo Zhao and Yu Qi and Boce Hu and Yizhe Zhu and Ziyan Chen and Heng Tian and Xupeng Zhu and Owen Howell and Haojie Huang and Robin Walters and Dian Wang and Robert Platt},
journal= {arXiv preprint arXiv:2510.21121},
year = {2025}
}