arXiv cs.AI· Sinjae Kang, Dong Kyu Shin, Jaehong Kim, Kamin Lee, Hyoeun Kim, Kaixin Wang, Li Zhao, Seonghyeon Ye, Kimin Lee·· 2 天前AI 评分31
QCP：用迭代 hindsight relabeling 学习质量可控的机器人策略
Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling
AI 导读
研究者提出 Quality-Controllable Policy（QCP），一种可在推理时控制执行速度、运动平滑度等单项质量属性及其组合的机器人策略。为突破初始演示的质量上限，QCP 采用迭代 hindsight relabeling 循环：按目标质量标签收集在线 rollout、将成功轨迹加入数据集、按实测质量重新打标并微调策略。
正文 · AI 翻译
摘要：机器人策略评估通常依赖任务完成的二元成功信号。然而，在实际部署中，期望的执行行为还由执行速度和运动平滑度等质量属性定义，这些属性需要根据任务要求进行动态控制。为此，我们引入了质量可控策略（QCP），这是一种机器人策略，能够在推理时对单个质量属性及其组合进行控制。为了将可控质量范围扩展到初始演示之外，我们进一步提出了一种迭代事后重标注循环：QCP 在目标质量标签下收集在线 rollout，将成功的轨迹加入数据集，根据测得的质量对累积的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 在多次迭代中持续提升任务执行质量和成功率，产生的成功 rollout 超过了初始演示的质量。最后，我们在真实世界的操作任务上验证了 QCP，其中控制速度提高了传送带操作的吞吐量，控制运输稳定性提高了携带酒杯时的成功率，表明质量可控策略在物理部署中带来了实际收益。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.37393 [cs.RO] |
| （或 arXiv:2610.37393v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37393 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sinjae Kang [查看电子邮件]
[v1]
2026年10月27日星期二 15:15:14 UTC（14,438 KB）
来源：arXiv cs.AI · arxiv.org