TIDE：面向机器人操作的人在环在线后训练系统
作者提出 TIDE（Training In DEployment），一个面向机器人操作的人在环在线后训练系统，可在部署过程中利用人工干预和策略自身 rollout 在线更新策略，无需学习 critic、奖励模型或动作评分器。
推荐理由：论文提出无需价值函数或奖励模型的在线后训练系统，并在四项真实双臂操作任务上对比热启动策略与离线演示。
技术方向
模仿学习 最新动态
与机器人感知、决策和物理交互直接相关的模仿学习进展
49 条精选近 30 天 49 条共收录 70 条
更新
精选归档 · 第 3 页
arXiv · cs.RO精选AI 评分7272 arXiv · cs.RO精选AI 评分6767 ACT-—Flow：面向视觉插接任务的评论家加权残差流在线学习框架
Yiqing Yuan等人提出ACT-—Flow，将自适应Action Chunking Transformer与条件残差流策略耦合，用于视觉插接任务的在线学习。
推荐理由：论文给出ACT-—Flow在插接类任务上的在线学习框架与消融结果，可比较残差策略与行为克隆的组合方式。
arXiv · cs.RO精选AI 评分7171 UMI 手套新方案：单个头戴相机完成无电子手套的标注与观测
Yosub Shin 等人提出用单个头戴相机（122 美元）替代腕部相机和位姿追踪器，通过读取无电子手套（22 美元）上的印刷标记与工作区纸片，从同一帧中解出 6-DoF 夹爪位姿和夹爪开度。
推荐理由：论文用单个头戴相机替代腕部相机与位姿追踪器，给出无电子手套的标注精度和策略成功率对比，可供数据采集方案选型参考。
arXiv · cs.RO精选AI 评分7272 CTR：减少双臂模仿学习中虚假跨臂耦合的训练期数据干预方法
上海交大等作者提出 Constraint-preserving Temporal Recombination（CTR），一种训练期数据干预方法，在保留各臂局部传感运动内容的同时重新调整片段时序，以保留任务要求的跨臂约束。
推荐理由：论文提出训练期数据干预方法 CTR，用于削弱双臂模仿学习中的虚假跨臂耦合，并在仿真与实机任务上对比多种策略。
arXiv · cs.RO精选AI 评分6767 ALIGN：面向优势条件行为克隆的条件估计与表达对齐框架
ALIGN 提出一种条件对齐的优势条件行为克隆（AC-BC）框架，用于视觉-语言-动作策略，直接预测策略标签空间中的类别化成对条件，并通过 AdaRMS 调制与流时间融合注入 DiT 动作专家。
推荐理由：论文针对混合质量机器人数据下的优势条件行为克隆，提出条件对齐框架，并在两个实机任务上给出闭环成功率对比。
arXiv · cs.RO精选AI 评分7272 DISCO：在连续动作空间蒸馏树搜索，实现长程多物体整理
作者提出 DISCO，用渐进加宽的 MCTS 在物理仿真中生成长程规划，并把搜索结果周期性蒸馏进策略-价值模型，使策略在测试时无需仿真搜索即可直接部署。搜索过程中由学习到的策略提出连续动作，价值函数按任务完成进度为动作打分，并借助 GPU 并行仿真加速。在仿真与真实世界的多物体整理任务中，DISCO 的表现优于行为克隆、强化学习和基于搜索的基线。
推荐理由：论文把仿真中的 MCTS 搜索蒸馏进连续动作策略，为长程多物体整理任务提供了一条可迁移的训练思路。
arXiv · cs.RO精选AI 评分8585 从车队经验中学习：96台机器人跨机集体经验学习（CEL）
论文提出集体经验学习（CEL）范式，让部署中的机器人汇集自身执行经验来更新共享策略，再下发回车队，从而不依赖专家纠正动作。其实现方式为失败引导经验检索微调（FERT）：用失败上下文从成功轨迹中检索相关片段，优先用这些片段记录的动作做监督更新，无需额外采集专家示范或纠正动作，操作员只提供二值化的回合结果标签和环境重置。容错异步训练系统（FATS）负责协调机器人执行、云端推理与策略优化，以应对局部中断。
推荐理由：论文提出用部署机器人自身执行经验更新共享策略，并在96台机器人上验证了规模扩大带来的性能提升。
arXiv · cs.RO精选AI 评分6363 PGPG：面向生成式控制策略的进度引导偏好生成框架
论文提出 Progress-Guided Preference Generation（PGPG），一种无需人工在环监督的无监督偏好对齐框架，用于微调预训练的生成式控制策略。该方法通过有序覆盖对齐衡量自主采集轨迹相对少量专家演示的序列进度，自动提取伪偏好标签，并称无需手工设计奖励函数。在多项长程操作任务实验中，PGPG 优于标准监督微调基线，并可同时集成扩散策略与流匹配策略。
推荐理由：论文提出无需人工标注的偏好对齐框架，用少量专家演示自动生成伪偏好标签，可比较其与监督微调在长程操作任务上的差异。
arXiv · cs.RO精选AI 评分7474 TILDE：从具身基础模型进行教师闭环蒸馏
TILDE 提出一种从预训练具身基础模型向未做动作预训练的策略迁移能力的蒸馏框架，结合学生状态上的在线蒸馏与教师执行恢复轨迹的学习。其 AutoDAgger 用机器人奖励模型监测任务进度并触发教师介入，无需人工监控或操控，恢复轨迹采集速度比人类在环方法快 2 倍以上。在三个真实世界任务上，TILDE 的任务表现最高为行为克隆的 4.1 倍，并支持跨架构蒸馏。
推荐理由：论文提出从具身基础模型蒸馏策略的框架，并给出自动数据聚合与实机任务对比结果，可供关注策略迁移的研究者参考。