论文页面 - 通过部署实现机器人编排器与策略的协同进化

来源：https://huggingface.co/papers/2610.09228

摘要

在大规模数据集上训练的视觉-语言-动作（VLA）策略在其训练领域内表现良好，但在真实世界部署中遇到各种情况时仍然难以泛化。具身机器人系统通过视觉-语言模型（VLM）编排器来补充策略——编排器学习何时调用策略、如何向策略下达指令，以及何时改用脚本化技能。然而，由于该框架是围绕一个语言可控性有限的冻结策略构建的，编排器只能规避策略的失败，却无法真正克服它们。策略由此成为整个系统的瓶颈。对策略进行微调可以消除这一瓶颈，但单独更新策略会使它与针对其旧行为调优好的编排器脱节。我们提出 Robo-COP，其中编排器与策略在部署过程中协同进化。Robo-COP 从自身的执行过程中整理技能演示数据，当这些数据能够解决反复出现的失败时才对策略进行微调，并且只有当新策略改进了其训练所针对的技能之后，才会采用这个新策略。在十个模拟 RoboLab 任务中，与使用冻结策略的同一框架相比，Robo-COP 将留出任务的平均成功率从 64.8% 提高到 73.8%，而按固定时间表且不做验证的微调仅能达到 65.8%。在三个真实世界任务中，Robo-COP 将留出任务成功率从 38.3% 提高到 50.0%。Robo-COP 将部署转变为一个自我改进的飞轮：机器人在实践中学习，每一次执行上的改进都会为下一轮学习产生更好的数据。视频和代码见 https://robo-cop.pages.dev/。

查看 arXiv 页面 (https://arxiv.org/abs/2610.09228)　查看 PDF (https://arxiv.org/pdf/2610.09228)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.09228)

引用本论文的模型 0

暂无关联模型。

在模型 README.md 中引用 arxiv.org/abs/2610.09228，即可将本论文与该模型关联到本页面。

引用本论文的数据集 0

暂无关联数据集。

在数据集 README.md 中引用 arxiv.org/abs/2610.09228，即可将本论文与该数据集关联到本页面。

引用本论文的 Spaces 0

暂无关联 Space。

在 Space README.md 中引用 arxiv.org/abs/2610.09228，即可将本论文与该 Space 关联到本页面。

包含本论文的合集 0

暂无包含本论文的合集。

将本论文添加到合集 (https://huggingface.co/new-collection)，即可将本论文关联到本页面。