论文页面 - RoboCoach：作为主动教练的世界模型，用于组合式机器人技能

来源：https://huggingface.co/papers/2609.39685

摘要

长时程机器人操作会在大量任务组合中复用技能，但通过追加端到端示教数据来改进这些组合的成本很高。一个实用的自我改进系统必须同时决定「接下来教什么」以及「在哪里施加该监督」。我们提出 ROBOCOACH，一个世界模型引导的教练框架，利用想象中的失败来指导示教请求与专家更新。其 Route–Imagine–Diagnose–Improve（RIDI）循环在 COACHWORLD（我们共享的以动作为条件的世界模型）内执行可复用的技能专家，并使用一个进度判别器来记录第一个未能完成的子任务。聚合后的记录决定了要获取哪些子任务示教数据、以及更新哪些专家适配器。在两套仿真环境和两个真实机器人平台上，想象成功率与部署成功率在 22 组「任务–策略」对上呈现相关性（rho = 0.840）。受控对比实验表明，在相同的预算与更新调度下，我们的教练方法优于各类基线。仅使用 150 条额外的子任务示教数据，Franka 平台上的成功率从 13.3% 提升至 75.0%，AgileX 平台则从 40.0% 提升至 83.8%。被教练后的专家还能迁移到我们保留的组合任务上，平均成功率达到 35.0%，而以均匀采集示教数据更新的共享策略基线成功率为 0%。这些结果共同表明，世界模型可以充当主动教练，将想象中的失败转化为面向模块化策略改进的针对性监督。项目页面：https://robocoach-ai.github.io/

查看 arXiv 页面 (https://arxiv.org/abs/2609.39685)　查看 PDF (https://arxiv.org/pdf/2609.39685)　项目页面 (https://robocoach-ai.github.io/)　GitHub 0 (https://github.com/RoboCoach-AI/CoachWorld)　加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.39685)

在你的 agent 中获取本论文：

hf papers read 2609\.39685

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本论文的模型 0

暂无与本论文关联的模型。

在模型的 README.md 中引用 arxiv.org/abs/2609.39685，即可从本页链接过去。

引用本论文的数据集 0

暂无与本论文关联的数据集。

在数据集的 README.md 中引用 arxiv.org/abs/2609.39685，即可从本页链接过去。

引用本论文的 Space 0

暂无与本论文关联的 Space。

在 Space 的 README.md 中引用 arxiv.org/abs/2609.39685，即可从本页链接过去。

收录本论文的合集 0

暂无收录本论文的合集。

将本论文加入某个合集 (https://huggingface.co/new-collection)，即可从本页链接过去。