arXiv cs.AI· Changyeon Kim, Yekyung Nah, Kimin Lee·· 11 小时前AI 评分26
RACE：面向机器人策略检查点选择的无 rollout 校准累积评分方法
RACE: Calibrated Cumulative Scoring for Rollout-Free Robot Policy Checkpoint Selection
AI 导读
RACE 是一种无需真实 rollout 的机器人策略检查点评分指标，用一组固定的留出成功轨迹对动作偏差做状态条件阈值校准，再以连乘方式累积，使大幅偏差削弱后续参考预测的权重。仿真中 RACE 在多种验证来源下优于基线，而多个基线在验证集变化时性能明显下降；在真实机器人上，其排序与不同策略骨干和不同难度任务的部署成功率一致。
正文 · AI 翻译
摘要：评估学习到的机器人策略在训练期间的部署性能具有挑战性，因为直接测量任务成功率需要对每个候选检查点进行昂贵的真实世界试验。平均验证损失提供了一种无需 rollout 的替代方案，但其检查点排名可能与部署性能不一致。我们分析了该准则的两个局限性：它在不考虑策略能否从中恢复的情况下惩罚动作偏差，并且即使较早的偏差可能使执行偏离参考，也给予较晚的参考预测同等权重。我们提出 RACE，一种新颖的无需 rollout 的指标，使用一组固定的留出成功轨迹对检查点进行排名。RACE 根据从这些轨迹中相似状态下的动作差异得出的状态条件阈值来校准动作偏差。我们通过连乘聚合这些分数，使得较大的偏差会降低后续参考预测的贡献。将得到的累积分数在时间上和跨轨迹上取平均，得到检查点分数。在仿真中，RACE 在不同验证来源上均优于基线，而若干基线在验证集变化时性能急剧下降。在真实机器人上，其排名与所评估的策略骨干和不同难度任务上的部署成功率一致。扰动分析进一步表明，即使基线响应相似，RACE 也能区分对任务成功率影响显著不同的偏差。
| 评论： | 项目网站：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.05838 [cs.RO] |
| （或 arXiv:2611.05838v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05838 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Changyeon Kim [查看电子邮件]
[v1]
2026年11月4日星期三 02:26:29 UTC（2,603 KB）
来源：arXiv cs.AI · arxiv.org