内容摘要
机器人接到新的组合操作任务时,缺的能力往往只覆盖任务的一部分:多数阶段(观察、接近、抓取、运输)已有技能能处理,少数阶段却在新物体、新摆放或遮挡下反复失败。ReSkill(作者论文)把"改进"变成可审计的代码改动:失败先定位到具体节点和原因,改动经完整任务评估与配对比较后才被冻结,运行期不调用外部大模型,验证过的技能与任务图留在库里供下一个任务复用。
代码智能体把任务说明和技能库整理成以物体为中心的任务图,用节点级执行记录定位失败,再在两个尺度上改代码:任务级调阶段划分、交接条件和恢复路线,技能级加强反复失败的感知、运动、操作、验证能力;智能体只在开发期参与。
结果(作者自报):固定开发集上十个 RoboDojo 仿真任务的平均成功率从 30.0% 升到最终采纳程序的 86.2%,保留程序在记录的鲁棒性与模型选择评估中平均 83.6%;八个真实任务在重建仿真中成功 72/80 次,真机 62/80 次(77.5%)。774 次修订的中位数只改 3 个函数(约 0.5%),后加入任务中 39% 的函数直接复用已有实现。
需注意 83.6% 来自开发期记录评估(含挑选版本的回合),不是独立最终验证;公开基线的输入、训练数据与协议不同,作者明确说不可直接横向排名;改进循环目前主要在仿真中进行,全部数字为作者自报,尚无独立复现。
点评
对机器人本体软件开发者,这套流程的价值在于把"改进"变成可审计的代码改动:失败被定位到具体节点和原因,候选改动经完整任务评估与配对比较后才被冻结,运行期零外部模型调用;验证过的技能和任务图留在库里供下一个任务复用——后加入任务中 39% 的任务专属函数直接沿用已有实现。
83.6% 是保留程序在开发期记录的鲁棒性与模型选择评估回合上的平均成功率,其中包含用于挑选保留版本的回合,因此不是独立的最终验证;论文把公开报告里其他方法的成功率标注为仅供量级参考,因为输入、训练数据和评测协议不同,不可据此横向排名。真实任务先经一次遥操作演示在 MuJoCo(开源物理仿真器)重建场景,再把冻结程序部署到真机,作者声明重建环节只是提供开发环境、不属于方法本身。自我改进主要发生在仿真中,真机 62/80 仍低于重建仿真的 72/80。本次核验只依据 arXiv 页面正文快照,全部数字为作者自报,尚无独立复现。
版本与核查范围
版本 2611.10510v1 · 原文定位与程序检查、独立上下文模型复核;不代表独立研究复现。。依据已核查材料整理;未运行模型或机器人。
原文与定位
- 原文链接 #S1.p1.1;#abstract1.1;#S1.p4.1;#S1.p5.1;#S2.SS6.p2.1;#abstract1.1;#abstract1.1;#S3.SS4.p2.1;#S4.p2.1;#S2.SS6.p3.1;#S2.SS6.p4.1;#S2.SS6.p5.1
