Refinery：面向接触丰富策略的主动微调与部署时优化

仿真基于的学习已使针对精确接触丰富任务（如机器人装配）的策略达到约 80% 的成功率，能够在高水平观测噪声和控制误差下保持稳定。尽管此性能在研究应用中可能足够，但不足以达到行业标准，且使策略链式调用异常脆弱。关键限制在于个别策略性能在多样化初始条件下存在高方差。我们引入 Refinery，一种有效框架弥合此性能差距，提升策略在初始条件上的鲁棒性。我们提出基于贝叶斯优化的微调以改进个别策略，基于高斯混合模型的部署时采样用于选择最大化执行成功的初始条件。使用 Refinery，我们在机器人装配的仿真学习中显著优于最先进方法，提升平均成功率 10.98%，在仿真中达到 91.51%，并在实际场景中取得相当水平。进一步，我们展示这些微调后的策略可成功完成长期跨步骤装配——成功装配最高多达 8 个零件，无需显式的多步骤训练。