鲁棒即时策略：基于 Student t 回归模型的机器人操作在-context 仿照学习
机器人学
2025-06-19 v1 计算机视觉与模式识别
摘要
仿照学习 (IL) 旨在通过观察少数人类演示，使机器人能够自主完成任务。最近出现的一种 IL 变体，即 In-Context IL，利用即插即用的大型语言模型 (LLM) 作为即时策略，通过理解少数给定演示的上下文来完成新任务，而无需通过大规模演示显式更新网络模型。然而，由于 LLM 基于即时策略会出现幻觉问题（即偶尔生成偏离给定演示的差劲轨迹），其在机器人领域的可靠性受到制约。为缓解此问题，我们提出一种新的鲁棒在-context 仿照学习算法，称为鲁棒即时策略 (RIP)，其利用 Student t 回归模型对即时策略的幻觉轨迹进行鲁棒性处理，以可靠地生成轨迹。具体而言，RIP 生成多个候选机器人轨迹以完成给定任务，并通过 Student t 分布对其进行聚合，因为后者有利于忽略异常值（即幻觉）；从而生成一种对幻觉鲁棒的轨迹。我们的实验在模拟环境和真实世界环境中均进行，表明 RIP 在任务成功率上显著优于最新 IL 方法，尤其在日常任务的低数据场景下，成功率至少提高 26%。视频结果可在 https://sites.google.com/view/robustinstantpolicy 查看。
引用
@article{arxiv.2506.15157,
title = {Robust Instant Policy: Leveraging Student's t-Regression Model for Robust In-context Imitation Learning of Robot Manipulation},
author = {Hanbit Oh and Andrea M. Salcedo-Vázquez and Ixchel G. Ramirez-Alpizar and Yukiyasu Domae},
journal= {arXiv preprint arXiv:2506.15157},
year = {2025}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025 accepted