χ₀: Kai0 用 MA / SA / TDA 驯服机器人学习的分布不一致

定位

χ₀ 不是 新的 VLA 骨架,而是在开源 π₀.₅ 上,用「资源可承受」的三件套,把长程衣物双臂操作做到接近产线稳。创新主要在 问题形式化 + 三块对准分布的方法 + 系统级闭环,不在「又一个更大的端到端网络」。


核心洞察(最大的「想法创新」)

作者把机器人学习拆成三个分布,并主张:真机不稳的主因往往不是数据/算力不够大,而是三者两两错位:

符号 含义
(P_{\text{train}}) 人演示(专家轨迹)
(Q_{\text{model}}) 策略学到的「见状态会出什么动作」
(P_{\text{test}}) 真机实际执行出来的轨迹(含延迟、摩擦、失败)

三种系统性错位:

  1. 覆盖不足:演示相对「所有能成的轨迹」太稀 → 策略偏窄
  2. 时序错配:长程阶段「看起来像」却语义不同;推理与控制还有延迟
  3. 失败级联:演示几乎全是成功段 → 真机一偏就不会救

从「堆规模」转向「对齐分布」------这是全文叙事锚点。


创新点 1:Model Arithmetic(权重空间合模)

问题 :衣物演示贵,子集各学到不同模式;全数据重训贵,且未必最好。

做法:

  • 数据切成不重叠子集 → 各 FT 一个 π₀.₅
  • (\theta_{\text{merged}}=\sum\alpha_i\theta_i),(\sum\alpha_i=1)
  • 用 DAgger 恢复轨(对各子集都是 OOD) 上的验证损定 (\alpha)(Inverse Loss / 贪心 / 梯度等)
  • 部署仍是一个模型,不是 MoE,也不是推理时多模型投票

新意在哪:

  • 把 LLM/CV 里的 model souping 接到 VLA 微调场景,且明确用来补 (Q\leftrightarrow P_{\text{train}})
  • OOD(恢复数据)定权 比 in-domain 更贴部署
  • 实验上合模常 超过 single-best 和 full-data 合训 → 暗示 fine-tuned VLA 参数冗余、多峰可「泡」进一份权重

别夸大:合权公式本身不新;新的是设定(子集 FT + DAgger 验证 + 机器人长程任务证据)。


创新点 2:Stage Advantage(阶段感知进度信号)

问题 :长程里视觉相似、阶段不同;π*₀.₆ 式 (V(s')-V(s)) 噪声大、无阶段时多值。

做法:

  • 直接回归相对进度 (A=f_\theta(s,s'\mid g)),(g) 为人工阶段进度
  • 任务拆语义阶段(A:2 / B:4 / C:3)
  • 顶约 30% 标 positive → 写进语言条件做 AWBC ("..., Advantage: positive")
  • Estimator 单独训(关动作 loss,只训进度);策略再 AWBC 一轮

新意在哪:

  • 「advantage」从价值差分改成 成对观测的直接目标,数值更稳
  • 阶段条件消歧
  • 落地成 语言通道上的 advantage 条件 BC(和开源 openpi 管线好接)

别夸大 :AWBC / 进度条件思想有先例;贡献是 stage-aware + 直接建模 + 衣物长程实证。


创新点 3:Train-Deploy Alignment(训练--部署对齐)

三招对准 (P_{\text{train}}\leftrightarrow P_{\text{test}}),基本不改 loss :

子点 内容 创新味道
Heuristic DAgger 人为摆到失败态再采恢复,不必先跑策略等到翻车 同质量、更省采数时间
时空增广 左右镜像换臂 + 时间抽帧变速 零真机时间扩覆盖
Temporal chunk-wise smoothing 新旧动作块按延迟丢前缀 + 重叠线性插值 相对 ensembling/RTC 的部署侧稳控;可与 RTC 叠加

新意在哪 :把「采恢复数据 + 增广 + chunk 接缝平滑」收成 同一分布对齐框架,并和 MA/SA 一起做系统消融,而不是散装工程 trick。


创新点 4:系统级与实证(博客「结果段」该写的)

  • 资源叙事 :约 20 h/任务 + 8×A100 ,相对裸 π₀.₅ 成功率约 +250%(约 25--30% → 近 100%,Task A)
  • 模块可加性:单加 → 两两 → 全开单调变好;SA 偏吞吐,TDA 偏成功率(重试变贵)
  • 产线向压力 :任意初始状态宣称 24 h 连跑
  • 任务选择:可变形、多阶段、接触丰富的衣物协同,故意放大分布漂移
  • 开源完整度:MA / SA / TDA 代码 + 数据(含 advantage 标注)+ 权重(基于 openpi)

相关推荐
wangxiaoxuan2176 小时前
如何设计机器人 API:类型、单位、坐标系与失败语义
机器人·科沃斯八界
深蓝学院7 小时前
机器人控制算法 MPC 的预测模型从哪来?完整公式推导
机器人·强化学习·机器人控制
蓝天居士8 小时前
ROS2从入门到精通(13)
机器人·ros·ros 2
蓝天居士9 小时前
JY61P认识、学习与实战(3)
机器人·嵌入式·传感器
feasibility.10 小时前
399美元桌面机器人Doly:可爱电子宠物+树莓派开源平台,但不能像ChatGPT那样聊天
机器人·开源·嵌入式·树莓派·diy·桌宠
民乐团扒谱机1 天前
Rakazo 智能清洁机器人深度评测报告
机器人
feasibility.1 天前
英伟达把物理AI的3D模型“应用商店”开放了:2575个SimReady仿真资产,总计约472GB,可让agent装配机器人训练场景
人工智能·3d·机器人·仿真·建模·具身智能·英伟达
wangxiaoxuan2171 天前
机器人软件如何分层:驱动、算法、能力、动作与业务
机器人·科沃斯八界
kyle~1 天前
模型预测控制(MPC)
算法·机器人·控制·传感器
飞Link1 天前
灵巧手是什么?从机械结构、驱动方式到控制原理,认识机器人的精细操作能力
人工智能·python·机器人