arXiv cs.AI· Octi Zhang, Iretiayo Akinola, Rosario Scalise, Mateo Guaman Castro, Patrick Yin, Tobias Widmer, Miles Macklin, Chris Amevor, Dylan Turpin, Dirk Van Gelder, Jan Carius, Ankur Handa, Gavriel State, Yunrong Guo, Yashraj Narang·· 6 天前AI 评分37
AlphaNIST：从二元任务奖励中涌现的装配技能
AlphaNIST: Emergent Assembly Skills from Binary Task Rewards
AI 导读
AlphaNIST 仅用稀疏二元任务奖励，在仿真中从零训练单一策略完成 NIST Assembly Task Board #1 全部 20 项装配任务，整体训练成功率达 98.2%，无需演示、进度塑形、脚本化原语或逐任务调参。该框架还能让策略在单回合内完成十组装配对，且仅在十组同时完成时给予奖励，策略自发涌现出为后续装配选择抓取、借助周围几何重新定向零件等灵巧且类规划的行为。
正文 · AI 翻译
作者：Octi Zhang、Iretiayo Akinola、Rosario Scalise、Mateo Guaman Castro、Patrick Yin、Tobias Widmer、Miles Macklin、Chris Amevor、Dylan Turpin、Dirk Van Gelder、Jan Carius、Ankur Handa、Gavriel State、Yunrong Guo、Yashraj Narang
摘要：NIST Assembly Task Board #1 仍然是机器人操作中基于学习的方法的一个具有挑战性的基准。在短时间范围内，它要求对小而紧密配合的零件进行精确、富含接触的控制。在长时间范围内，它需要在扩展的动作序列中进行恢复和协调。演示、任务分解和密集进度奖励通过提供如何组装的指导，推动了研究进展。但有多少策略必须被指定？从 AlphaGo 到 AlphaGo Zero 的演进表明，大规模强化学习可以在不规定如何取胜的情况下发现超人策略。AlphaNIST 提出疑问：这种任务无关奖励所允许的稀疏二元任务奖励和任务多样性，是否同样能让机器人发现如何组装。在仿真中，我们从零开始训练一个单一策略，涵盖 NIST Assembly Task Board #1 上的全部 20 个装配任务，在无需演示、进度塑形、脚本化原语或逐任务调优的情况下，达到 98.2% 的总体训练成功率。该框架还训练策略在单个回合中完成十个装配对，且不规定顺序，只有当十个装配对同时完成时才奖励任务成功。学习到的策略发现了灵巧且类似规划的行为：为后续装配选择抓取方式、利用周围几何结构重新定向零件，以及在没有显式规划器的情况下准备一个零件、装配另一个零件，然后返回完成第一个零件。视频请见我们的网站：this https URL
| Comments: | 8 pages, 9 figures, ICRA |
| Subjects: | Artificial Intelligence (cs.AI)；Robotics (cs.RO) |
| MSC classes: | 68T40, 68T05 |
| ACM classes: | I.2.9; I.2.6; I.2.8 |
| Cite as: | arXiv:2610.13354 [cs.AI] |
| (或 arXiv:2610.13354v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2610.13354 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Zhengyu Zhang [查看电子邮件]
[v1]
2026年10月9日星期五 10:29:21 UTC（26,645 KB）
来源：arXiv cs.AI · arxiv.org