从我们拥有的中学习：在线推理过去交互的历史感知验证器
机器人学
2025-09-03 v1
摘要
我们引入了一种新颖的历史感知验证器（History-Aware VErifier, HAVE），通过利用过去的交互来在线消除不确定场景的歧义。机器人经常遇到视觉上模糊的物体，其操作结果在物理交互之前仍不确定。虽然仅凭生成模型理论上可以适应这种模糊性，但在实践中，即使在以动作历史为条件的情况下，它们在模糊场景中的表现也是次优的。为了解决这个问题，我们提出将动作生成与验证显式解耦：我们使用一个无条件基于扩散的生成器来提出多个候选动作，并利用我们的历史感知验证器通过推理过去的交互来选择最有希望的动作。通过理论分析，我们证明采用验证器能显著提高预期动作质量。在包括铰接物体、多模态门和不平整物体拾取在内的多个模拟和真实世界环境中的实证评估与分析，证实了我们方法的有效性以及对基线的改进。我们的项目网站位于：https://liy1shu.github.io/HAVE_CoRL25/
引用
@article{arxiv.2509.00271,
title = {Learn from What We HAVE: History-Aware VErifier that Reasons about Past Interactions Online},
author = {Yishu Li and Xinyi Mao and Ying Yuan and Kyutae Sim and Ben Eisner and David Held},
journal= {arXiv preprint arXiv:2509.00271},
year = {2025}
}
备注
CoRL 2025