论文页面 - 通过迭代事后重标注学习质量可控的机器人策略

来源：https://huggingface.co/papers/2610.37393

摘要

质量可控策略支持实时调整机器人执行质量，并通过对在线 rollout 进行迭代事后重标注来提升性能。

机器人策略评估通常依赖二元成功信号来判断任务是否完成。然而，在现实部署中，期望的执行行为还由质量属性 (https://huggingface.co/papers?q=quality%20attributes) 定义，例如执行速度和运动平滑度，这些属性需要根据任务要求进行动态控制。为此，我们提出质量可控策略 (https://huggingface.co/papers?q=Quality-Controllable%20Policy)（QCP），这是一种机器人策略，支持在推理时控制 (https://huggingface.co/papers?q=inference-time%20control) 单个质量属性 (https://huggingface.co/papers?q=quality%20attributes) 及其组合。为了将可控质量范围扩展到初始示范之外，我们进一步提出一种迭代事后重标注 (https://huggingface.co/papers?q=hindsight%20relabeling) 循环：QCP 在目标质量标签的条件下收集在线 rollout (https://huggingface.co/papers?q=online%20rollouts)，将成功轨迹加入数据集，根据测得的质量对累积轨迹进行事后重标注，并微调策略。在 Robomimic 和 RoboEval 上的实验表明，QCP 能在迭代过程中持续提升任务执行质量和成功率，生成质量超越初始示范的成功 rollout。最后，我们在现实世界的操作任务中验证了 QCP，其中，控制速度提高了传送带作业的吞吐量，控制运输稳定性则提高了搬运葡萄酒杯时的成功率，表明质量可控策略能够在实体部署中带来实际收益。

查看 arXiv 页面 (https://arxiv.org/abs/2610.37393)查看 PDF (https://arxiv.org/pdf/2610.37393)项目页面 (https://sinnnj.github.io/qcp/)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.37393)

在你的智能体中获取这篇论文：

hf papers read 2610\.37393

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

引用此论文的模型0

没有模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.37393，即可从此页面链接到该模型。

引用此论文的数据集0

没有数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.37393，即可从此页面链接到该数据集。

引用此论文的 Space0

没有 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.37393，即可从此页面链接到该 Space。

收录此论文的合集0

没有合集收录此论文

将此论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集。