CoDA：数据引擎与动作策略协同演化，提升机器人操作成功率
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决什么问题
生成式仿真可以自动搭建机器人环境，但物理上成立的环境未必对训练有用。真正的难点在于找出能暴露策略失败的环境，以及能帮策略克服这些失败的监督信号。论文把这一挑战作为出发点，提出 CoDA 框架，让仿真数据引擎与动作策略共同演化。两者之间通过一份共享的异构记忆连接，记忆里保存环境构建、策略失败与学习进展三类信息，从而把「生成什么」和「怎么学」绑定在一起。
记忆如何驱动生成
这份共享记忆会把视觉语言批评器给出的、经过验证的诊断，编译成两类程序：生成程序负责重建策略曾经失败的困难场景，训练程序则帮助策略克服这些困难。学习进展的测量结果会反过来指导后续的生成与程序细化，形成闭环。这样，数据引擎不是盲目扩充环境数量，而是围绕策略当前的能力缺口来产出训练素材。
Text2potential 的作用
论文进一步提出 Text2potential，把上述诊断转换成用于动作块价值学习的分阶段势函数。这种转换提供的是密集监督，用于策略更新；在标准塑形假设下，它同时保留任务的最优策略。也就是说，引入额外监督信号的同时不改变任务本身的解，这一点对策略学习能否稳定收敛很关键。
量化结果
在四个操作任务族上，CoDA 把分布外成功率从监督微调后的 5.3% 提升到 27.6%，在相同生成预算下比最强的闭环基线高出 9.5 个百分点。在 LIBERO-Pro 基准上，15 轮生成与训练让位置扰动下的成功率从 25% 升到 84%，指令扰动下从 1% 升到 76%。这些数字覆盖了分布外与两类扰动场景，说明该框架在策略泛化方面有可测量的改善。
为什么值得看
用失败诊断驱动仿真数据生成，给出可量化的分布外与扰动场景成功率提升，对机器人策略训练方向有参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。