跳到正文
返回论文列表
cs.RO提交于 已译

闭环机器人软件的学习与迁移

Learning and Transferring Closed-Loop Robot Software

So Kuroki · Kento Kawaharazuka · Yujin Tang

中文摘要

闭环机器人策略需要观测处理、状态管理和依赖情境的分支,人工设计与调参成本高昂。编码智能体虽日益支持控制代码生成与优化,但源任务上改进的实现能否支持新任务的策略获取仍不清楚。将完整闭环实现视为可复用的执行经验:为学习每个源策略,编码智能体从少量成功演示生成策略代码,并利用仿真反馈迭代改进,验证选出的实现存入软件档案。迁移到新任务时,智能体结合档案实现、目标演示与执行反馈生成并改进策略。在 RoboCasa 的四个源任务上,迭代优化将成功率从初始生成策略代码的 28.3% 提升至验证选出策略代码的 64.2%,并在物理 Unitree G1 上验证。在 RoboCasa 另外九个目标任务上,无参考时成功率 45.2%,使用源任务初始生成策略代码为 41.5%,使用其验证选出策略代码为 57.0%。结果表明改进源任务代码也能改善新任务上的学习。

关键要点

  1. 01闭环机器人策略需观测处理、状态管理与分支,人工设计调参成本高
  2. 02编码智能体从少量演示生成策略代码,并用仿真反馈迭代改进
  3. 03RoboCasa 四个源任务成功率从 28.3% 升至 64.2%,并在 Unitree G1 验证
  4. 04九个目标任务迁移成功率:无参考 45.2%、初始代码 41.5%、验证选出代码 57.0%
  5. 05改进源任务代码可提升新任务学习,但初始代码迁移反而低于无参考

解读

尚无解读。

原始英文摘要

arXiv:2609.19906v2 Announce Type: replace Abstract: Closed-loop robot policies require observation processing, state management, and situation-dependent branching, making them costly to design and tune manually. Although coding agents increasingly support control-code generation and optimization, it remains unclear whether implementations improved on source tasks also support policy acquisition for new tasks. We study this question by treating complete closed-loop implementations as reusable execution experience. To learn each source policy, a coding agent generates policy code from a few successful demonstrations and iteratively improves it using simulation feedback. The validation-selected implementations are retained in a software archive. To transfer the acquired software to new tasks, the agent generates and improves policies using archived implementations, target demonstrations, and execution feedback. We evaluate policy learning and its relationship to cross-task transfer. For learning, across four source tasks in RoboCasa, iterative optimization increases the success rate from 28.3% with initially generated policy code to 64.2% with validation-selected policy code. We further validate this learning approach on a physical Unitree G1. For transfer, across nine additional target tasks in RoboCasa, success rates are 45.2% without references, 41.5% using initially generated policy code from source tasks, and 57.0% using their validation-selected policy code. These results show that improving source-task code also improves learning on new tasks.

同方向论文 · cs.RO

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联提示词 · 6

编程tech.qimao.com·外部收录·

按规范检查 Go 代码改动,分析问题与服务影响并生成 Code Review 报告

``` # Code Review 规范 你是 golang 编程的专家,现在对代码进行 Code Review,请按照以下步骤进行: (若遇到 git 命令分页的情况,请加上`| cat`) ## 步骤一:代码规范检查 - [ ] 是否遵循最佳实践 @.cursor/rules/rule-code-spec.mdc - [ ] 是否存在重复代码 - [ ] 是否有充分的注释和文档 - [ ] 是否易于理解和维护 ## 步骤二:功能问题分析 - [ ] 分析本次代码改动的影响…

编程zhuanlan.zhihu.com·外部收录·

用于指导 Claude Code 按阶段规划、测试驱动实现、重构并提交代码。

### 1. 规划与分阶段 将复杂的工作分解为 3-5 个阶段。在 `IMPLEMENTATION_PLAN.md` 中记录: ```text ## 阶段 N: [Name] **目标**: [具体可交付成果] **成功标准**: [可测试的结果] **测试**: [具体的测试用例] **状态**: [未开始|进行中|已完成] ``` * 随着进展更新状态 * 所有阶段完成后删除文件 ### 2. 实现流程 1. **理解** - 研究代码库中的现有模式 2. **测试**…

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当全栈软件开发人员

我想让你充当软件开发人员。我将提供一些关于 Web 应用程序要求的具体信息,您的工作是提出用于使用 Golang 和 Angular 开发安全应用程序的架构和代码。我的第一个要求是'我想要一个允许用户根据他们的角色注册和保存他们的车辆信息的系统,并且会有管理员,用户和公司角色。我希望系统使用 JWT 来确保安全。

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当前端智能思路助手

我想让你充当前端开发专家。我将提供一些关于Js、Node等前端代码问题的具体信息,而你的工作就是想出为我解决问题的策略。这可能包括建议代码、代码逻辑思路策略。我的第一个请求是“我需要能够动态监听某个元素节点距离当前电脑设备屏幕的左上角的X和Y轴,通过拖拽移动位置浏览器窗口和改变大小浏览器窗口。”

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当 Linux 终端

我想让你充当 Linux 终端。我将输入命令,您将回复终端应显示的内容。我希望您只在一个唯一的代码块内回复终端输出,而不是其他任何内容。不要写解释。除非我指示您这样做,否则不要键入命令。当我需要用英语告诉你一些事情时,我会把文字放在中括号内[就像这样]。我的第一个命令是 pwd