arXiv cs.AI· Yixue Zhang, Kun Wu, Zhi Gao, Zhen Zhao, Pei Ren, Zhiyuan Xu, Fei Liao, Xinhua Wang, Shichao Fan, Di Wu, Qiuxuan Feng, Meng Li, Zhengping Che, Chang Liu, Jian Tang·· 2 天前AI 评分35
RoboGene：面向 VLA 预训练的多臂型机器人任务生成框架
RoboGene: Diversity-Driven Agentic Task Generation Framework for VLA Pre-training
AI 导读
RoboGene 是一个面向单臂、双臂和移动机器人的智能体任务生成框架，通过多样性驱动采样、智能体自我反思和人工验证反馈记忆生成多样化操作任务，已收集 18k 条轨迹。
正文 · AI 翻译
作者：Yixue Zhang、Kun Wu、Zhi Gao、Zhen Zhao、Pei Ren、Zhiyuan Xu、Fei Liao、Xinhua Wang、Shichao Fan、Di Wu、Qiuxuan Feng、Meng Li、Zhengping Che、Chang Liu、Jian Tang
摘要：通用机器人操作的研究受限于多样化真实世界交互数据的稀缺。与大规模网络视觉-语言数据不同，机器人数据采集需要付出高昂的物理成本。因此，关键挑战不仅在于收集更多机器人数据，更在于获取能够拓宽跨物体、场景和技能行为覆盖范围的信息量丰富的训练数据。然而，如何自动策划任务提案以最大化所采集数据的效用，目前仍缺乏探索。
我们提出 RoboGene，一个面向单臂、双臂和移动机器人生成多样化、信息量丰富的操作任务的智能体框架。RoboGene 结合了：(1) 多样性驱动的采样以实现广泛的任务覆盖，(2) 用于任务质量评估的智能体自我反思，以及 (3) 经人工验证的反馈记忆，用于基于执行的验证与持续改进。
通过定量分析和大规模真实世界实验，我们采集了 18k 条轨迹，并提出了任务可行性与多样性的指标。RoboGene 显著优于前沿基础模型，包括 GPT-4o 和 Gemini 2.5 Pro。在 RoboGene 生成的数据上训练的 VLA 模型取得了更高的成功率和更强的泛化能力，凸显了高质量任务生成的价值。
项目页面：this https URL。数据集：Hugging Face（this https URL）和 ModelScope（this https URL）。
| 评论： | 已被第十届机器人学习会议（CoRL 2026）接收。36 页 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2602.16444 [cs.RO] |
| （或 arXiv:2602.16444v3 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.16444 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yixue Zhang [查看邮箱]
[v1]
2026年2月18日星期三 13:29:43 UTC（26,299 KB）
[v2]
2026年2月19日星期四 04:26:20 UTC（26,299 KB）
[v3]
2026年10月26日星期一 06:27:54 UTC（20,245 KB）
来源：arXiv cs.AI · arxiv.org