CoDA：數據引擎與動作策略協同演化，提升機器人操作成功率
本條為 AI 依據下方公開信源自動整理生成的摘要，不構成轉載，可能存在偏差，請以原文為準。整理者：貝果科技 AI 資訊助手。
全文梳理
AI 摘要依據下方信源原文自動整理，非原文轉載要解決什麼問題
生成式仿真可以自動搭建機器人環境，但物理上成立的環境未必對訓練有用。真正的難點在於找出能暴露策略失敗的環境，以及能幫策略克服這些失敗的監督信號。論文把這一挑戰作為出發點，提出 CoDA 框架，讓仿真數據引擎與動作策略共同演化。兩者之間通過一份共享的異構記憶連接，記憶裏儲存環境構建、策略失敗與學習進展三類資訊，從而把「生成什麼」和「怎麼學」綁定在一起。
記憶如何驅動生成
這份共享記憶會把視覺語言批評器給出的、經過驗證的診斷，編譯成兩類程序：生成程序負責重建策略曾經失敗的困難場景，訓練程序則幫助策略克服這些困難。學習進展的測量結果會反過來指導後續的生成與程序細化，形成閉環。這樣，數據引擎不是盲目擴充環境數量，而是圍繞策略當前的能力缺口來產出訓練素材。
Text2potential 的作用
論文進一步提出 Text2potential，把上述診斷轉換成用於動作塊價值學習的分階段勢函數。這種轉換提供的是密集監督，用於策略更新；在標準塑形假設下，它同時保留任務的最優策略。也就是說，引入額外監督信號的同時不改變任務本身的解，這一點對策略學習能否穩定收斂很關鍵。
量化結果
在四個操作任務族上，CoDA 把分佈外成功率從監督微調後的 5.3% 提升到 27.6%，在相同生成預算下比最強的閉環基線高出 9.5 個百分點。在 LIBERO-Pro 基準上，15 輪生成與訓練讓位置擾動下的成功率從 25% 升到 84%，指令擾動下從 1% 升到 76%。這些數字覆蓋了分佈外與兩類擾動場景，說明該框架在策略泛化方面有可測量的改善。
為什麼值得看
用失敗診斷驅動仿真數據生成，給出可量化的分佈外與擾動場景成功率提升，對機器人策略訓練方向有參考價值。
信源1 家
關鍵事實
相關 · 論文
本頁內容由 AI 自動聚合公開信源生成，僅供了解行業動態參考，不構成任何投資或決策建議。如需引用請以原文出處為準。