arXiv cs.AI· Bohan Zhou, Xingbei Chen, Emily Huang, Weilin Ruan, Haojian Huang, Yehang Zhang, Zexi Li, Wenqian Li, Qize Yu, Zetian Song, Leyi Wu, Jinghao Li, Mingxuan Song, Xinrun Xu, Zongyang Qiu, Yangkai Wei, Tianyi Zhang, Kaiwen Zhou, Yinchuan Li, James Cheng·· 9 天前AI 评分29
RoboAware：从反事实结果中学习协调具身技能
RoboAware: Learning to Coordinate Embodied Skills from Counterfactual Outcomes
AI 导读
RoboAware 通过仅学习一个状态条件化的责任协调器来协调具身技能，在 100 项任务上达到 77.0% 的整体成功率，RoboSuite 平均 90.0%、LIBERO-Pro 73.8%、RoboTwin 双臂任务 90.0%，超越现有 code-as-policy 与 VLA-harness 基线。
正文 · AI 翻译
作者：Bohan Zhou、Xingbei Chen、Emily Huang、Weilin Ruan、Haojian Huang、Yehang Zhang、Zexi Li、Wenqian Li、Qize Yu、Zetian Song、Leyi Wu、Jinghao Li、Mingxuan Song、Xinrun Xu、Zongyang Qiu、Yangkai Wei、Tianyi Zhang、Kaiwen Zhou、Yinchuan Li、James Cheng
摘要：具身编码智能体可以将模块化机器人技能与冻结的端到端策略相结合，但有效的组合需要预判哪种策略族会在当前物理状态下成功。我们提出 RoboAware，它在编码智能体的技能编排基础上，仅从反事实结果中学习一个以状态为条件的责任协调器。受 REPL 成功的启发，我们提出 $P^5$ 模式，并基于它构建分层 MDP。$P^5$ 将技能统一组织为五个语义阶段，定义了责任可比较的位置。为解决现有工作中缺乏反事实分支结果的问题，我们引入状态锁定反事实分支（SCB），它将相同的训练状态恢复，以从每个可接受族生成并执行一个代码块，从而暴露出被选中分支经验所无法观测到的结果。在此基础上，我们提出执行感知学习（EAL），它将蒙特卡洛树搜索与 Q-learning 相结合，将这些结果提炼为以族为条件的价值。在部署时，协调器根据可观测上下文选择策略族，冻结的编码智能体生成下一个局部代码块。在 100 个任务上的全面单回合评估表明，RoboAware 达到 77.0% 的总体成功率，在 RoboSuite 上平均达到 90.0%，在多样化的 LIBERO-Pro 任务簇上达到 73.8%，在具有挑战性的 RoboTwin 双臂任务上达到 90.0%，均达到 SOTA，优于现有的 code-as-policy 和 VLA-harness 基线。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.11480 [cs.RO] |
| （或 arXiv:2610.11480v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11480 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bohan Zhou [查看邮箱]
[v1]
2026年10月8日星期四 08:25:49 UTC（1,457 KB）
来源：arXiv cs.AI · arxiv.org