CuraEval 框架评估混合技能机器人演示数据筛选方法
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，非原文转载评分与长度高度重合
CuraEval 把演示评分的数学分析与受控对照实验放在同一个框架里。作者对 PSD 分数做了推导，发现该分数实际只由回合长度和位置幅值的平方决定；在 square 任务上，它给出的排序与直接按回合长度排序几乎一致，相关系数达到 0.999。这一结果说明，某些看起来在衡量数据质量的分数，其排序能力可能主要来自回合长度这一项。框架同时设定了两类对照：一是与规模匹配的固定随机子集比较，二是与全量数据训练比较，从而避免不同筛选与评估协议之间难以横向判断的问题。实验数据来自混合技能水平的 robomimic 数据集，策略侧使用 Diffusion Policy 与 BC-RNN 两种方案。
短演示筛选的收益
在 Diffusion Policy 上，按回合长度保留较短的那部分演示，square 任务的成功率高于随机挑选同样数量演示的做法。作者据此把长度作为一条简单基线，用来检验更复杂的筛选器是否真的带来增量。与之对照，作者改造了几何熵留一法选择器，在只保留四分之一演示时，它在 can 任务上的成功率反而低于随机选择，在 square 上也低于三个各自独立采样的随机子集所达到的成功率区间。这说明在混合技能数据上，按多样性或影响力打分的选择器未必稳定胜过随机抽样，评估协议不统一会让这类方法的优势难以确认。
换评估设置后结论翻转
作者还考察了评估流程本身对结论的影响。在 square 任务、同一组三个 Diffusion Policy 训练种子上，按长度保留较多演示在原始协议下相对全量数据训练有提升；但当检查点上报方式、rollout 次数与评估种子一起改动后，这一提升消失并转为略低。经过 Holm 校正后，没有任何被评估的筛选条件显著优于全量数据训练，不过置信区间仍为可能存在真实增益留出空间。论文共 10 页，含 2 张图与 2 张表，代码已公开，并被 CoRL 2026 的 Workshop“Oops, I Erred”接收。
为什么值得看
对做机器人模仿学习与数据筛选的人，这是一份提醒：常见打分指标可能只是长度的代理，筛选收益需严格对照随机与全量基线。
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。