Recursive Self-Improvement of Visuomotor Policies through Local Recovery Supervision
Beihang University(北京航空航天大学)
提出通过局部恢复监督递归自我改进视觉运动策略的框架,利用离线审计和教师生成纠正演示,在LIBERO-Goal和robomimic Can上分别提升成功率至88/100和112/130。
2026-10-06 cs.RO
Modular Inverse Dynamics and Wrench Recovery for Closed-Chain Mechanisms Using Path Assembly
Tampere University(坦佩雷大学)
本文针对刚性闭链内部反力不确定问题,开发模块化逆动力学工作流,结合路径运动重建与力旋量恢复,经Simscape Multibody验证,可准确获取七自由度混合串并联机械臂的相关输出。
2026-11-17 cs.RO
RecoveryChaining: Learning Local Recovery Policies for Robust Manipulation
The Robotics Institute, CMU(卡内基梅隆大学机器人研究所);MERL(三菱电机研究实验室)
本文提出RecoveryChaining方法,利用分层强化学习和混合动作空间学习局部恢复策略,使机器人在基于模型的控制失败时能自主恢复并切换回标称控制器,在稀疏奖励操控任务中显著提升鲁棒性并实现仿真到现实迁移。
2025-03-07 cs.AI cs.RO
Recovering from External Disturbances in Online Manipulation through State-Dependent Revertive Recovery Policies
Guangdong University of Technology(广东工业大学);School of Electromechanical Engineering(机电工程学院)
机器人越来越多地进入不确定和非结构化的环境。在这些情况下,机器人必然会面临意外的外部干扰,如意外的人类或工具碰撞。机器人必须发展对意外事件作出反应的能力。在这项工作中,我们提供了一个恢复策略,允许机器人以一致和健壮的方式从不同任务和条件的各种异常情况中恢复。该系统将任务组织为由运动生成和内省等内部模块组成的节点序列。当内省模块标记异常时,恢复策略被触发,并通过根据状态依赖性图表选择目标节点来恢复任务执行。新技能允许机器人克服外部干扰的影响并完成任务。我们的系统可以在许多任务中从意外的人员和工具碰撞中恢复。特别重要的是,我们通过在任务图中的每个节点处触发异常来测试恢复系统的鲁棒性,从而在任务中的每个地方显示鲁棒恢复。我们还在任务的每个节点处触发多个和重复的异常,这表明恢复系统可以在存在强烈和普遍的异常条件的情况下在任何地方持续恢复。强大的恢复系统将是机器人系统长期自主的关键推动因素。补充信息,包括代码,数据,图表和结果分析可以在[1]中找到。
2018-04-02 cs.RO
RoboSpan: Learning Modular Coordination Policies for High-DoF Whole-Body Mobile Manipulation with Teleoperation
Jiangnan University(江南大学);Linkerbot Beijing Technology Co., Ltd.(北京灵犀机器人科技有限公司)
本文提出 RoboSpan 平台及 HMF 框架,通过解耦动作空间、引入 COMET 与分层任务分解等方法,使 29 自由度全身移动操作任务成功率超主流基线 20%,提升了接触操作的稳定性与鲁棒性。
2026-10-15 cs.RO
Endowing Robots with Longer-term Autonomy by Recovering from External Disturbances in Manipulation through Grounded Anomaly Classification and Recovery Policies
Guangdong University of Technology(广东工业大学)
机器人操作越来越倾向于与人类在共同共享的空间中进行交互。尽管越来越强大的操纵和控制算法,故障模式继续存在时,模型不捕捉非结构化环境的动态。为了获得机器人自动化的长期视野,机器人必须发展内省和恢复能力。我们贡献了一套恢复政策来处理外部干扰所产生的异常,以及异常分类,通过使用非参数统计与memoized变分推理与可扩展的适应。一个恢复评论家站在一个紧密集成的,基于图形的在线运动生成和内省系统,解决了广泛的异常情况。策略、技能和内省模型是在任务中根据上下文逐步学习的。两个任务级恢复策略:重新制定和适应分别解决意外和持续的异常。内省系统使用非参数先验以及马尔可夫跳跃线性系统和具有可扩展自适应的记忆变分推理来从数据中学习模型。广泛的真实机器人实验与各种艰苦的异常条件诱导和解决在不同阶段的任务,并在不同的组合。该系统执行全天候的内省和恢复,甚至引发自我恢复时发生的错误分类。
2018-09-11 cs.AI cs.RO
Recovery Policies for Safe Exploration of Lunar Permanently Shadowed Regions by a Solar-Powered Rover
University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所)
本文提出一种基于动态规划的恢复策略计算方法,用于解决太阳能月球漫游车在永久阴影区探索中的随机故障问题,通过改进算法保守处理状态空间离散化误差,最大化漫游车存活概率。
2023-10-21 cs.RO
ForkCast: Predictive Recovery for Vision-Language-Action Policies via Counterfactual Futures
Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)(穆罕默德·本·扎耶德人工智能大学(MBZUAI));Virginia Tech(弗吉尼亚理工大学)
ForkCast是一种预测性恢复框架,通过比较反事实未来确定是否及如何干预冻结的VLA策略,在模拟RoboTwin 2.0任务中大幅提升了操作成功率,还可迁移适配至真实机器人场景。
2026-10-14 cs.RO
Contractive Dynamical Imitation Policies for Efficient Out-of-Sample Recovery
McGill University(麦吉尔大学);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
提出基于收缩动态系统的模仿学习框架,利用循环均衡网络和耦合层保证策略收缩性,实现高效样本外恢复,并在模拟机器人任务中验证性能提升。
2025-03-26 cs.LG cs.RO stat.ML
ReCoVLA: VLM-Guided Reward Compilation for Failure Recovery in Vision-Language-Action Policies
University of Southern California(南加州大学);Mitsubishi Electric Research Laboratories (MERL)(三菱电机研究实验室);Harvard University(哈佛大学)
提出ReCoVLA框架,通过冻结预训练VLA策略,利用外部VLM推断故障模式并编译结构化奖励,训练残差恢复策略,实现零样本仿真到真实部署,在多种操作任务中提升成功率。
2026-06-08 cs.AI cs.LG cs.RO
Stand, Walk, Navigate: Recovery-Aware Visual Navigation on a Low-Cost Wheeled Quadruped
Department of Mechatronics Engineering, Pontificia Universidad Católica del Perú(机械电子工程系,天主教秘鲁大学)
针对现有轮腿机器人成本高、缺跌倒恢复的问题,研究提出低成本轮式四足机器人的恢复感知视觉惯性导航系统,结合深度视觉与深度强化学习实现稳健运动、跌倒恢复与目标导航,降低了预算受限平台的部署门槛。
2025-10-27 cs.RO
RACER: Rich Language-Guided Failure Recovery Policies for Imitation Learning
University of Michigan(密歇根大学)
针对机器人操作缺乏自我恢复机制及简单语言指令局限的问题,提出RACER框架,结合失败恢复数据与丰富语言描述,利用VLM在线监督纠正错误,在多项任务中显著提升了机器人的控制性能。
2024-09-23 cs.CL cs.CV cs.RO
CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies
Dalian University of Technology(大连理工大学)
针对VLA策略执行偏差问题,提出CARE框架,通过收集失败轨迹并建模偏差分布来生成纠正示范,结合3D监控触发原子调整,在模拟和真实任务中分别提升14.5和15.9个百分点成功率。
2026-09-22 cs.RO
SimFoundry: Modular and Automated Scene Generation for Policy Learning and Evaluation
NVIDIA;Georgia Institute of Technology(佐治亚理工学院);Stanford University(斯坦福大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Toronto(多伦多大学)
提出SimFoundry系统,从视频零样本构建仿真场景,支持对象、场景和任务编辑,生成数字孪生与数字表亲,提升策略在真实世界的泛化能力,实验显示仿真评估与真实性能高度相关。
2026-08-06 cs.RO
RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control
The Hong Kong University of Science and Technology(香港科技大学);The Chinese University of Hong Kong(香港中文大学);SmartMore(思谋科技);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Shenzhen Loop Area Institute(深圳河套学院)
RESETTLE是一种模型无关的机器人恢复框架,通过分歧触发检索与高效校正控制,在仿真和真实任务中提升机器人操作成功率,且计算延迟显著低于对比方法,兼容高层智能体规划。
2026-10-09 cs.RO
RoboRecover: Benchmarking Robot Policy Recovery under Execution Deviations
School of Information, Renmin University of China(中国人民大学信息学院);Key Laboratory of Data Engineering and Knowledge Engineering(数据工程与知识工程重点实验室);University of Science and Technology of China(中国科学技术大学);Engineering Research Center of Database and Business Intelligence(数据库与商务智能工程研究中心)
RoboRecover基准通过重放动作前缀重建执行偏差状态,评估策略恢复能力,发现初始性能不决定恢复性能,确立恢复为独立评估维度。
2026-09-25 cs.RO
InFeR: Informed Failure Resilience in Learned Visual Navigation Control
School of Computing & Smart Systems Institute, National University of Singapore(计算与智能系统学院研究所,新加坡国立大学)
该研究提出InFeR框架,通过变分信息瓶颈损失重构潜在空间以检测OOD故障,并利用Grad-CAM技术局部化故障源,从而在无需额外训练数据的情况下实现故障自恢复,提升了复杂环境中的长距离导航鲁棒性。
2026-11-18 cs.RO
Learning Modular Robot Control Policies
Carnegie Mellon University(卡内基梅隆大学)
模块化机器人可以重新排列成一个新的设计,也许每天,通过为每个新任务形成一个定制的机器人来处理各种各样的任务。然而,仅仅重新配置机制是不够的:每个设计还需要自己独特的控制策略。人们可以为每个新设计从头开始制定策略,但这种方法是不可扩展的,特别是考虑到即使是一小组模块也可以生成大量设计。相反,我们创建了一个模块化的策略框架,其中策略结构以硬件安排为条件,并仅使用一个训练过程来创建控制各种设计的策略。我们的方法利用了这样一个事实,即模块化机器人的运动学可以表示为一个设计图,节点作为模块,边缘作为它们之间的连接。给定机器人,其设计图用于创建具有相同结构的策略图,其中每个节点包含深度神经网络,并且相同类型的模块经由共享参数共享知识(例如,六足机器人上的所有腿共享相同的网络参数)。我们开发了一个基于模型的强化学习算法,交叉模型学习和轨迹优化训练的政策。我们展示了模块化策略可以推广到大量的设计,这些设计在没有任何额外学习的情况下在训练过程中看不到。最后,我们展示了控制各种设计的策略,以与模拟和真实的机器人进行交互。
2021-11-10 cs.LG cs.RO
End-to-End Vision-Language-Action Policies for Autonomous Lunar Rover Docking
Stanford University(斯坦福大学)
本研究设计用于自主月球车对接的视觉-语言-动作策略,在高保真月球模拟中训练,闭环评估中其在训练未见过的感知干扰下表现与模块化基线相当,自适应时域执行可降低推理频率并限制危险接触率。
2026-10-15 cs.RO
Learning Modular Neural Network Policies for Multi-Task and Multi-Robot Transfer
University of California, Berkeley(加州大学伯克利分校)
强化学习(RL)可以自动化各种机器人技能,但学习每一项新技能都需要大量的真实世界数据汇集和手动表示工程来设计策略类或功能。使用深度强化学习来训练通用神经网络策略,通过使用表达策略类减轻了人工表示工程的一些负担,但加剧了数据汇集的挑战,因为这种方法往往不如具有低维手工设计表示的RL有效。迁移学习可以通过使我们能够将信息从一种技能转移到另一种技能,甚至从一个机器人转移到另一个机器人来缓解这个问题。我们表明,神经网络的政策可以被分解为“特定于任务”和“机器人特定”的模块,其中特定于任务的模块在机器人之间共享,机器人特定的模块在该机器人上的所有任务之间共享。这允许在机器人之间共享任务信息,例如感知,并且在任务之间共享机器人信息,例如动力学和运动学。我们利用这种分解来训练混合匹配模块,这些模块可以解决训练过程中没有看到的新机器人任务组合。使用一种新的神经网络架构,我们证明了我们的转移方法的有效性,使zero-shot泛化与各种机器人和任务的模拟视觉和非视觉任务。
2016-09-22 cs.LG cs.RO
Bayesian Disturbance Injection: Robust Imitation Learning of Flexible Policies for Robot Manipulation
NAIST(奈良先端科学技术大学院大学)
人类在执行任务时表现出各种有趣的行为特征,例如在看似等效的最佳行动之间进行选择,在偏离最佳轨迹时执行恢复行动,或根据感知到的风险调整行动。然而,模仿学习试图通过观察人类的演示来教机器人执行这些相同的任务,但往往无法捕捉到这种行为。具体地,常用的学习算法体现了学习假设之间的固有矛盾(例如,单个最佳动作)和实际人类行为(例如,多个最佳动作),从而限制了机器人的通用性、适用性和演示可行性。为了解决这个问题,本文提出了设计模仿学习算法,重点是利用人类的行为特征,从而体现捕捉和利用实际的演示者的行为特征的原则。本文提出了第一个模仿学习框架,贝叶斯扰动注入(BDI),典型的人类行为特征,将模型的灵活性,鲁棒性和风险敏感性。贝叶斯推理用于学习灵活的非参数多行动策略,同时通过注入风险敏感的干扰来诱导人类恢复行动并确保演示可行性来增强策略。我们的方法是通过风险敏感的模拟和真实的机器人实验(例如,表扫描任务,轴达到任务和轴插入任务),使用UR 5e 6-DOF机械臂,以证明行为的改进表征。结果表明,通过提高灵活性,鲁棒性以及演示的可行性,任务性能显着改善。
2022-11-07 cs.RO
Beyond Patch Removal: Persistent Adversarial Effects in Vision-Language-Action Policies
UNSW Sydney(新南威尔士大学悉尼分校);UNSW Canberra(新南威尔士大学堪培拉分校);National University of Singapore(新加坡国立大学);Southern Cross University(南十字星大学);Griffith University(格里菲斯大学)
本研究揭示VLA策略中对抗补丁移除后仍存在持续性效应,提出状态恢复协议并验证恢复适配器在及时干预下可显著提升可恢复性。
2026-09-18 cs.CV cs.RO
Tuning Modular Networks with Weighted Losses for Hand-Eye Coordination
Australian Centre for Robotic Vision(澳大利亚机器人视觉中心);Queensland University of Technology(昆士兰科技大学)
本文提出端到端微调方法,通过加权损失提升模块化深度视觉-运动策略在平面抓取任务中的手眼协调性能。
2017-05-15 cs.AI cs.CV cs.LG
Mixture-of-Experts RL for Fault-Tolerant Legged Locomotion
Dynamic Legged Systems Laboratory, Istituto Italiano di Tecnologia (IIT), Genova, Italy(意大利技术研究院(IIT)动态腿足系统实验室,热那亚,意大利);Dipartimento di Informatica, Bioingegneria, Robotica e Ingegneria dei Sistemi (DIBRIS), Universita di Genova, Genova, Italy(热那亚大学计算机科学、生物工程、机器人及系统工程系(DIBRIS),热那亚,意大利)
提出一种故障感知模块化控制架构,利用故障诊断信息激活针对不同执行器故障模式的专家策略,在多种故障场景下优于同等规模的单一策略,且适用于计算受限平台。
2026-07-02 cs.RO
Untangling Dense Non-Planar Knots by Learning Manipulation Features and Recovery Policies
University of California, Berkeley(加州大学伯克利分校);Toyota Research Institute, Inc.(丰田研究院)
解缠结的1D可变形结构,如绳索,电缆和电线的机器人操作是具有挑战性的,由于其无限维的配置空间,复杂的动力学,和自我封闭的趋势。分析控制器经常失败,在密集的配置,由于相邻的电缆段之间的抓持的困难。我们提出了两种算法,增强了强大的电缆解开,LOKI和SPiDERMan,它与HULK一起工作,HULK是一个高层次的规划者。LOKI使用学习的操作特征模型来将粗略的抓取关键点预测细化为精确的优化位置和方向,而SPiDERMan使用学习的模型来感知任务进度并应用恢复操作。我们评估这些算法在物理电缆解开实验与336节和超过1500的行动,真正的电缆使用达芬奇手术机器人。我们发现HULK、LOKI和SPiDERMAN的组合能够解开密集的上手结、8字形结、双上手结、方形结、单结、奶奶结、steveveeling结和三上手结。这些方法的组合在60个物理实验中的68.3%成功地将电缆从密集的初始配置中解开,并且比先前工作的基线成功率高出50%。补充材料、代码和视频可以在https://tinyurl.com/rssuntangling上找到。
2021-06-29 cs.AI cs.LG cs.RO
REBOOT: From Failure to Recovery - A Dataset and Benchmark for Precision Assembly
University of Calgary(卡尔加里大学);Mila(米拉研究所)
REBOOT是首个以失败为核心信号的机器人操作基准,包含18个精密装配任务的2,160个演示,通过阶段级标注和恢复轨迹,揭示并评估策略在装配各阶段的失败模式。
2026-09-22 cs.RO
Modular Deep Q Networks for Sim-to-real Transfer of Visuo-motor Policies
Australian Centre for Robotic Vision (ACRV)(澳大利亚机器人视觉中心);Queensland University of Technology (QUT)(昆士兰理工大学)
本文提出模块化深度强化学习方法,通过在感知与控制之间引入瓶颈,实现仿真到现实的迁移,提升机器人视觉-运动协调能力。
2017-12-19 cs.AI cs.CV cs.LG
COMPOSER: Scalable and Robust Modular Policies for Snake Robots
Carnegie Mellon University(卡内基梅隆大学)
针对蛇形机器人超冗余高维带来的控制难题,本研究提出基于协作MARL的COMPOSER模块化控制策略,结合自注意力与高层想象奖励,在5项任务中成功率最优,且鲁棒性和零样本泛化性更优。
2023-10-02 cs.LG cs.RO
RoboBRIDGE: A Modular Framework for Bridging Policies to Robust Real-World Robotic Agents
Sungkyunkwan University(成均馆大学)
该研究针对视觉-语言-动作模型部署为机器人智能体的缺陷,提出 RoboBRIDGE 模块化框架,通过五大协同模块结合预训练 VLAs 构建鲁棒智能体,在多基准和现实场景中性能优于现有方案。
2026-07-31 cs.AI cs.RO
IMPACT-VLA: Interaction-aware Multimodal Propagation Attribution via Counterfactual Trajectories for Vision-Language-Action Policies
Hanyang University(汉阳大学)
针对VLA策略中多模态贡献阶段不明的问题,提出IMPACT-VLA方法,通过构建阶段-模态块并执行闭环反事实重执行,在30个LIBERO任务上揭示了模态贡献的阶段性变化与条件耦合。
2026-09-15 cs.AI cs.RO
Modular Neural Network Policies for Learning In-Flight Object Catching with a Robot Hand-Arm System
University of Edinburgh(爱丁堡大学);University College London(伦敦大学学院)
提出模块化神经网络框架,结合监督学习与深度强化学习,使机器人手-臂系统实现高成功率、鲁棒的飞行中物体抓取,并泛化到未见过的家用物体。
2023-12-21 cs.AI cs.LG cs.RO
Green Resilience of Cyber-Physical Systems: Doctoral Dissertation
本研究提出GResilience框架,通过多目标优化、博弈论和强化学习优化OL-CAIS的绿色恢复,减少能源影响并维持性能稳定性。
2025-11-20 cs.AI cs.CV cs.RO
DexVerse: A Modular Benchmark for Multi-Task, Multi-Embodiment Dexterous Manipulation
UNC-Chapel Hill(北卡罗来纳大学教堂山分校);The University of Hong Kong(香港大学);UC Berkeley(加州大学伯克利分校)
DexVerse是用于多任务、多实体灵巧操作的模块化基准测试,含100个任务,支持多种机器人手臂和手,可扩展且提供视觉变化等。通过对多种方法的基准测试,揭示任务泛化和视觉运动鲁棒性挑战,为通用灵巧操作提供测试平台。
2026-07-10 cs.RO
On the Fly Adaptation of Behavior Tree-Based Policies through Reinforcement Learning
Center for Applied Autonomous Sensor Systems (AASS), Örebro University(应用自主传感系统中心(AASS),厄勒布鲁大学)
本文提出一种样本高效的分层强化学习方法,在保留行为树可解释性和模块化特性的同时,使机器人策略能够在线适应工件偏移等局部任务变化,并通过仿真和Franka Emika Panda 7自由度机械臂上的避障与枢轴转动实验验证了方法的有效性。
2025-03-08 cs.RO
FLOWER: Democratizing Generalist Robot Policies with Efficient Vision-Language-Action Flow Policies
Intuitive Robots Lab(直观机器人实验室);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Microsoft Research(微软研究院)
针对现有VLA策略计算成本高的问题,提出中间模态融合与动作专属Global-AdaLN条件机制,构建9.5亿参数的FLOWER模型,以更低训练成本在多基准任务上取得媲美大模型的性能并刷新CALVIN ABC基准纪录。
2025-09-05 cs.RO
Benchmarking Vision-Language-Action Models on SO-101: Failure and Recovery Analysis
Graduate School of Advanced Science and Engineering, Hiroshima University(广岛大学先进科学与工程研究生院)
提出SO-101低成本机器人平台基准,通过失败分类和恢复评估指标,系统比较VLA和模仿学习策略,发现执行不稳定是主要失败源。
2026-06-15 cs.AI cs.RO
DUGM-R: Uncertainty-Aware Dynamic Grid Mapping and Risk-Triggered Recovery for Learned Local Navigation
Imperial College London(伦敦帝国理工学院)
针对拥挤室内环境中学习型局部导航对动态障碍物表示敏感及训练后碰撞倾向问题,提出结合不确定性感知动态栅格地图与风险触发恢复的强化学习框架,在仿真和实体机器人上均提升了导航性能。
2026-09-24 cs.RO
AutoAgent0: An Agentic Runtime for Safe Closed-Loop Driving
UCLA(加利福尼亚大学洛杉矶分校);CMU(卡内基梅隆大学);UT Dallas(德州大学达拉斯分校);Stanford(斯坦福大学)
AutoAgent0是一个智能体运行时框架,通过补充检测、规则验证和反馈恢复,提升了自动驾驶在长尾及安全关键场景的闭环鲁棒性,无需重新训练底层策略。
2026-10-14 cs.RO
Modular Adaptive Policy Selection for Multi-Task Imitation Learning through Task Division
Imperial College London(帝国理工学院);University College London(伦敦大学学院)
深度模仿学习需要许多专家演示,这可能很难获得,特别是当涉及许多任务时。然而,不同的任务通常具有相似之处,因此共同学习它们可以极大地使它们受益,并减轻对许多演示的需求。但是,联合多任务学习往往遭受负迁移,共享信息,应该是特定的任务。在这项工作中,我们介绍了一种方法来执行多任务模仿,同时允许特定于任务的功能。这是通过使用原型策略作为模块来将任务划分为可以共享的简单子行为来完成的。原型策略并行操作,并由与模块联合训练的选择器机制自适应地选择。在不同任务集上的实验表明,该方法提高了单代理,任务条件和多头多任务代理,以及最先进的元学习代理的准确性。我们还展示了它自主地将任务划分为共享和特定于任务的子行为的能力。
2022-05-13 cs.LG cs.RO
ProbeAct: Probe-Guided Training-Free Failure Recovery in Vision-Language-Action Models
University of California Los Angeles(加利福尼亚大学洛杉矶分校)
提出ProbeAct框架,通过轻量级隐藏状态探针、运动学状态机和分层控制屏障函数,无需训练即可检测并恢复VLA模型的抓取与放置失败,在LIBERO-plus上将成功率从69.6%提升至74.1%。
2026-06-08 cs.RO
RecoverFormer: End-to-End Contact-Aware Recovery for Humanoid Robots
Stanford University(斯坦福大学)
本文提出RecoverFormer,一种端到端的人形机器人恢复策略,通过学习切换恢复行为(如补偿步态、手-环境接触、质心重塑)实现鲁棒恢复,验证了其在多种扰动条件下的泛化能力。
2026-04-24 cs.RO
Perception Stitching: Zero-Shot Perception Encoder Transfer for Visuomotor Robot Policies
Duke University(杜克大学);Air Force Research Laboratory(空军研究实验室)
本文提出感知拼接方法,通过对齐潜在视觉特征实现视觉编码器模块化,并将其直接拼接到已有策略网络,从而在仿真和真实机器人操作任务中实现面对大幅视觉变化的零样本适应。
2025-01-01 cs.RO
Is Online Interaction Necessary for Recovery? A Minimalist Approach to Robust Planning via Perturbation
针对行为克隆在闭环执行中易受协变量偏移影响的问题,提出扰动增强恢复监督(PARS),仅用现有演示通过扰动状态并锚定轨迹后半段来提供恢复监督,无需额外交互或专家,在51个RLBench任务上验证了鲁棒性提升。
2026-09-29 cs.RO
Recovering the View: Benchmarking Physical Active Vision for Occlusion Recovery in Robotic Manipulation
Sun Yat-sen University(中山大学);University of Electronic Science and Technology of China(电子科技大学);Pengcheng Laboratory(鹏城实验室);X-Era AI Lab(X-Era AI实验室)
针对机器人操作中遮挡导致观测不可靠的问题,本文提出双臂主动视觉基准BAVO-Bench和主动视觉策略A-FAR,通过统一3D表示和预训练4D模型提供未来感知指导,显著提升对结构性和时间偏移遮挡的鲁棒性。
2026-09-30 cs.RO
Kintsugi-VLA: Turning Failed Robot Rollouts into Recovery Data through Interventional Recoverability
Skolkovo Institute of Science and Technology(斯科尔科沃理工学院)
Kintsugi-VLA利用仿真中的状态恢复和分支,将失败轨迹转化为有针对性的恢复数据,通过干预可恢复性估计选择起始状态,显著提升恢复成功率。
2026-09-28 cs.RO
DeepCPG Policies for Robot Locomotion
University of Cincinnati(辛辛那提大学)
中枢模式发生器(CPG)形成了在有腿动物中观察到的运动节律行为的神经基础。组织成网络的CPG动力学允许复杂运动行为的出现。在这项工作中,我们采取这种启发多足式机器人的步行行为的发展。我们提出了新的DeepCPG策略,将CPG作为一个层嵌入到更大的神经网络中,并促进深度强化学习(DRL)设置中运动行为的端到端学习。我们证明了这种方法对基于物理引擎的昆虫机器人的有效性。我们表明,与传统方法相比,即使在高维传感器空间(视觉)的情况下,DeepCPG策略也允许有效运动策略的样本高效端到端学习。我们使用模块化机器人配置和多代理DRL扩展DeepCPG策略。我们的研究结果表明,逐步复杂化与嵌入式先验的这些政策在一个模块化的方式可以实现非平凡的传感器和电机集成的机器人平台上。这些结果也表明了从基于生物学原理的简单智能系统中引导更复杂的智能系统的有效性。最后,我们给出了一个概念验证的昆虫类机器人系统的实验结果,DeepCPG最初使用模拟引擎学习策略,然后将这些策略转移到现实世界的机器人中,而无需进行任何额外的微调。
2023-02-25 cs.AI cs.LG cs.NE
PIC4rl-gym: a ROS2 modular framework for Robots Autonomous Navigation with Deep Reinforcement Learning
Politecnico di Torino(都灵理工大学)
学习代理可以优化标准的自主导航,通过采用各种各样的方法来提高系统的灵活性,效率和计算成本。这项工作介绍了\textit{PIC4rl-gym},一个基本的模块化框架,通过混合机器人社区的标准工具ROS 2和Gazebo,以及深度强化学习(DRL)来增强导航和学习研究。本文描述了PIC 4 rl-gym的整体结构,它充分集成了DRL Agent在多种室内和室外导航场景和任务中的训练和测试。采用模块化方法,通过选择新的平台、传感器或模型,轻松定制仿真。我们展示了我们的新健身房的潜力,通过基准测试产生的政策,训练不同的导航任务,与一套完整的指标。
2022-11-19 cs.AI cs.RO
ActFovea: Runtime Safeguarding for VLA Policies via Spatiotemporal Visual-Action Consistency
ActFovea是一种即插即用的VLA策略运行时安全保障框架,通过构建动作条件化凹形区域、检测时空一致性及触发安全故障,提升了机器人操纵在各类干扰下的成功率与安全性。
2026-08-03 cs.AI cs.RO
Learning to Explore using Active Neural SLAM
Facebook AI Research(脸书人工智能研究院);Carnegie Mellon University(卡内基梅隆大学);UIUC(伊利诺伊大学厄巴纳-香槟分校)
这项工作提出了一种模块化和层次化的方法来学习探索3D环境的策略,称为“主动神经SLAM”。我们的方法利用了经典方法和基于学习的方法的优势,通过使用具有学习SLAM模块的分析路径规划器以及全局和局部策略。学习的使用提供了关于输入模态的灵活性(在SLAM模块中),利用了世界的结构化建模(在全局策略中),并且提供了对状态估计中的错误的鲁棒性(在局部策略中)。在每个模块中使用学习保留了其优点,同时,分层分解和模块化训练使我们能够避开与训练端到端策略相关的高样本复杂性。我们在视觉和物理上逼真的模拟3D环境中的实验证明了我们的方法在过去的学习和基于几何的方法的有效性。所提出的模型也可以很容易地转移到PointGoal任务中,并且是CVPR 2019 Habitat PointGoal导航挑战赛的获奖作品。
2020-04-10 cs.AI cs.CV cs.LG
EmbodiedGovBench: A Benchmark for Governance, Recovery, and Upgrade Safety in Embodied Agent Systems
School of Software, Harbin Institute of Technology(哈尔滨工业大学软件学院);School of Computer Science and Technology, Harbin Institute of Technology(哈尔滨工业大学计算机科学与技术学院);School of Mathematical and Computer Sciences, Heriot-Watt University, Malaysia Campus(赫瑞-瓦特大学马来西亚校区数学与计算机科学学院);School of Future Science and Engineering, Soochow University(苏州大学未来科学与工程学院)
本文提出EmbodiedGovBench基准,用于评估具身代理系统的治理能力,包括可控性、政策边界、安全恢复和审计完整性等,填补了传统任务成功率指标的不足。
2026-04-13 cs.AI cs.RO
QuadSwarm: A Modular Multi-Quadrotor Simulator for Deep Reinforcement Learning with Direct Thrust Control
University of Southern California(南加州大学)
针对强化学习训练数据需求大、仿真器需兼顾速度与sim2real迁移性的问题,提出高并行化的多四旋翼模拟器QuadSwarm,支持域随机化与多场景训练,在16核CPU上单/8旋翼采样率分别超48500/62000 SPS。
2023-06-15 cs.AI cs.LG cs.MA
Policy Stitching: Learning Transferable Robot Policies
Duke University(杜克大学);Air Force Research Laboratory(空军研究实验室)
本文提出 Policy Stitching 框架,通过模块化策略设计与接口潜在表征对齐,直接拼接独立训练的机器人和任务模块,实现新颖机器人—任务组合的零样本与少样本快速迁移。
2023-09-24 cs.RO cs.SY eess.SY
Offline Goal-Conditioned Reinforcement Learning for Safety-Critical Tasks with Recovery Policy
Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院);Center for Intelligent Control and Telescience(智能控制与遥科学中心)
针对离线目标条件强化学习中目标达成与安全约束难以兼顾的问题,提出 RbSL 恢复式监督学习方法,并在机器人取物基准和真实 Panda 机械臂上验证其显著优于现有方法。
2024-03-04 cs.AI cs.LG cs.RO
Learning Modular Robot Locomotion from Demonstrations
Carnegie Mellon University(卡内基梅隆大学)
模块化机器人可以重新配置,从一小部分组件中创建各种设计。但是,仅仅构建机器人的硬件是不够的-每个机器人都需要一个控制器。可以单独为某些设计创建控制器,但为其他设计开发策略可能非常耗时。这项工作提出了一种方法,使用一组设计的演示,以加速其他设计的策略学习。我们利用一个学习框架,其中图神经网络由模块化组件组成,每个组件对应于一种类型的模块(例如,腿、轮或身体),并且这些组件可以重新组合以一次从多个设计中学习。在本文中,我们开发了一个组合的强化和模仿学习算法。我们的方法是新颖的,因为该政策是优化的,既最大限度地提高一个设计的奖励,同时模仿演示从不同的设计,在一个目标函数。我们表明,当模块化的政策与此组合的目标进行优化,从一组设计的演示会影响政策的行为在不同的设计,减少所需的训练迭代次数。
2022-10-31 cs.LG cs.RO