它是什么,解决什么问题
本主题覆盖预训练、模仿学习、强化学习、奖励、评测、回放。它属于“数据与数据飞轮”,用于理解这一组能力、方法或产业对象的边界。
范围与比较维度
- 预训练
- 模仿学习
- 强化学习
- 奖励
- 评测
- 回放
需要持续回答
- 把数据来源、质量、可用权利和具体能力增益连起来,比较每次有效迭代的总成本。
当前知识边界
比较数据来源时仍需补齐跨任务、跨本体的成本和效果证据。
证据补充 · 2026-10-10
ReWeight v1 用行为相似性检索与加权人类示范。DoBot 四任务、两类视觉扰动各 10 次,纯机器人数据、随机混合与该方法分别成功 23/80、33/80、48/80(§IV-C/D,Table IV)。这支持在指定 VLA 后训练中比较数据选择策略,不能推出任意人类视频直接可用。
历史观察
按发布时点排列,反映本站已收录范围,不代表完整研究时间线。
- SALA:用语言描述对齐人机隐式动作,让通用人类视频成为可扩展的机器人策略监督来源
对做机器人本体软件的工程师,有用处的有两点。一是监督来源可以按小时计量:先用一批带原子动作描述的数据训一个跨本体的隐式动作分词器,之后人和机器人的视频都被映射到同一套语义对齐的动作编码上,策略用同一套编码同时从两类数据里学——预训练阶段可以用通用人类视频补充机器人数据而不必新增遥操作采集,新任务则能在固定遥操作预算之外用便宜的人类演示补强(真机上固定遥操作演示、逐步增加任务相关人类演示,平均成功率 53.75%→72.5%)。二是部署侧不增加负担:教师分词器和未来帧只在训练时使用,部署时策略只看当前观测。代价是流程里多了一个要单独训练和维护的分词器环节,它要求为训练片段准备原子动作描述,而策略本身不吃这些描述、只从视频帧学习。需要提醒的是,本次核查材料中的所有数字都出自作者自测的仿真与单台真机实验,没有独立复现证据。
- 用检索到的引导做零样本 VLA 适配:RAGu 冻结模型权重,把跨域演示变成轨迹约束
对做机器人本体软件的工程师,这是一条只改推理链路、不改模型的适配路径:把现成的演示数据当先验库,几何变形对齐到目标场景后,在流匹配去噪过程中持续施加轨迹约束,真机、仿真、人形本体都能用;适合手里已有冻结策略、但缺目标场景演示数据的团队。它的好处是不训练、不占上下文,代价是引导只能在模型原有先验内纠正动作,模型本身学不会的行为它带不出来;同时它依赖目标场景里能稳定检出并对应上关键物体。
- 在 VLA 中桥接表征与动作空间,实现人机迁移(H2RB)
对机器人本体软件开发者,用处很直接:目标机器人数据不够时,可先用人手视频补充新物体和新技能的监督,而不必强行让人与机器人的动作参数一一对齐;代价是训练管线里要加一套按本体分支的动作隐变量分词器和一路几何回归头。论文给出的量级说明,这类混合训练确实能补上源机器人数据里没有的行为。
- 先执行再回收:12 项任务上 7 种策略评测产生的 3,718 条已标注真机回合
价值在于把评测环节的副产品变成可复用的训练数据。对机器人本体软件工程师,这批样本的用处很具体:在同一硬件与任务设置下拿到多个策略的真实失败片段和人工标签,可以直接搭成功检测、回合级奖励模型和离线强化学习的数据管道。论文本身是一份采集与标注说明,并附上使用限制清单。
- 究竟有多少开放机器人数据集真能训练出机器人:对 Hugging Face 上 400 个 LeRobot 数据集的普查
它给出一把可复用的筛子:判断一个公开机器人数据集能否用于真机训练时,先看演示片段数量、是否标注为仿真或评估、是否只覆盖同一类机械臂本体,而不是看平台上挂了多少标签。
- DiscoDemo 原始状态数据集(FMB-Round):插销入孔任务的仿真状态轨迹开源发布
价值在于把"演示生成"和"轨迹使用"解耦:开发者不必重启 Isaac Sim 里的生成器,就能直接拿到状态级数据,对同一批演示做物体与末端执行器轨迹分析、多样性与覆盖度分析,并用代码仓库中 FR3 模型的前向运动学把 joint_pos 还原为末端位姿。原始状态又与已发布的 Stage2 生成数据按序对应,可与图像等模态对齐合并处理。对数据工程和策略训练团队来说,这是一个可按 apache-2.0 下载取用的公开数据产物,而不只是论文里的一句描述。
- 多维特征提取器实现机器人基础模型的细粒度引导与数据塑形
提供了从内部特征干预到训练数据归因的行为塑形路径,使可解释性分析与特定行为修改相连接。
- 模态自回归世界—动作模型
作者实验为先生成结构化未来、再生成动作的设计提供了支持,也表明ModAR在受测任务中可利用无动作人类示范改善表现;不据此推断通用操作能力。
展开其余 2 条历史观察
- HRDexDB:跨人类与多种机器人本体的4D灵巧抓取数据集
为研究共享物体上的跨本体抓取差异提供几何标注和示范—执行关联;作者实验支持将已记录机器人抓姿作为未见物体抓取的检索先验。
- 机器人学习中的潜在动作,什么最重要?
为利用视频初始化机器人策略提供了设计与筛选依据:潜在动作微调值得验证,但模型选择仍应回到下游任务表现。
关联报告
来源与阅读
- ReWeight:人类数据需要检索和加权 · 2609.13851v1 · 2026-10-10 报告扩编定向核查;§III、§IV-C/D、Table IV;作者证据,未独立复现。
