网易首页 > 网易号 > 正文 申请入驻

CoRL 2026|浙大联合TeleAI提出GR-BC,用图搜索从机器人试错中找出有效动作

0
分享至



用螺丝刀拧紧螺丝,听起来并不复杂。

但真正动手时,往往还要挪一点、转一点、退出来,再重新对齐。换成遥操作机器人采集数据,这个过程只会更考验耐心。即使是 “大国工匠” 般熟练的数采员,面对精细度要求极高的任务,也未必能一次交出从头到尾都足够丝滑的示范。一条最终成功的轨迹里,可能包含多次无效调整;一条最终因超时或碰撞而失败的尝试中,却也可能有几步对齐做得很好。

这给视觉语言动作模型的后训练提出了一个问题:如果数采员自己都很难采出一条近乎完美的轨迹,机器人应该向什么样的经验学习?

浙江大学沈春华团队联合中国电信人工智能研究院(TeleAI)& 伽马智能白辰甲团队,围绕这个问题提出了Graph-Reweighted Behavior Cloning(GR-BC)。

团队考虑的是另一种可能:一条更好的成功路径,未必完整存在于某一次示范中,却可能隐藏在多次尝试之间的连接关系里。把这些经验放进同一张图,能否先在图的 “脑海” 里找到一条更好的路,再由图担任裁判,指导机器人学习值得模仿的动作?

目前,该工作已被 CORL 2026 接收,论文与代码已公开。



  • 论文标题:Graph-Reweighted Behavior Cloning with Human Interventions for Precise Robotic Manipulation
  • 论文链接:https://arxiv.org/pdf/2610.20504
  • 项目主页:https://gr-bc.github.io
  • 代码链接:https://github.com/Gamma-Robot/GR-BC



视频链接:https://mp.weixin.qq.com/s/P94V9SbLXk4G7QhWGowP1A

核心方法:用图检索进度,再为动作加权



图 1|GR-BC:构图、反向搜索、加权训练与新轨迹回流。

第一步:把分散经验连接起来

要评判一个动作好不好,首先需要知道,机器人当前距离任务完成还有多远。团队观察发现:精细任务中的进度,具有很强的任务内相对性。把同一任务的多次尝试放在一起,利用它们之间的联系,可以为进度判断提供更具体的依据。

GR-BC 使用冻结的 MCR(manipulation-centric representation)视觉编码器提取三个相机视角的表征,与夹抓状态结合,共同编码图中节点。

边有两种。时间边连接同一轨迹上按固定间隔抽样的相邻的节点,代价等于跨越的帧数,因此图上的距离天然对应真实的物理时间。

相似边则负责把独立的轨迹桥接起来,需要同时满足三个条件:在每个相机视角中互为 K 近邻、夹爪状态一致、以及按局部尺度归一化后的距离小于阈值。归一化用的局部尺度,是该节点相邻一次转移的视觉距离,这让阈值在不同任务、不同视角下保持一致的物理含义。



图 2|多视角状态表征、夹爪状态与跨轨迹连边。

第二步:从成功终点反向搜索

GR-BC 借鉴强化学习中的 cost-to-go 和图搜索思想,将进度转化为:从当前状态出发,沿着已有数据支持的路径,到成功还需要多少步?图构建完成后,算法从成功终点出发,使用反向 Dijkstra 搜索,计算各状态到成功的最小图路径代价记为剩余步数,其搜索结果只落在稀疏的节点上,随后线性插值把它铺到每一帧,从而与 VLA 的稠密监督对齐。



图 3|螺钉拧紧与显卡插装:动作、图检索进度和权重的对应变化。

第三步:同时检查净进展与中途回退

剩余步数被映射为 0—1 的图检索进度(GRP)。每个动作块需同时通过两道检查:净进展超过阈值,且相对起点的最大回退未超限。通过者获得有上下界的正权重,其余权重为零。



公式 1|动作块权重规则,截自论文第 6 页式(8)。

Δ 表示终点相对起点的净进展,d 表示起点进度减去块内最低进度。权重直接乘在原有 VLA 监督损失上,无需改动架构;零权重片段不贡献梯度,对应状态仍留在图中。GR-BC 想实现的,是无外界干扰情况下策略丝滑的完成精细操作,有外界干扰情况下,策略将自主调整并展现恢复能力。



图 4|净进展与中途回退如何影响动作片段的训练权重。

每轮执行后,新收集的成功、失败与介入轨迹加入数据池。系统扩展图、重新搜索并更新权重,再离线训练下一轮策略。新经验也能改变旧片段的学习价值,无需额外训练奖励模型、或进度预测器。



图 5|GR-BC 的离线迭代表现

实验结果:四项精细操作,平均成功率约 91%

真机实验覆盖四孔零件装配、显卡插装、双螺钉拧紧和内存条插装。其中,DDR4 插槽开口约 1 毫米,对位置与姿态对齐提出了更高要求。



图 6|四类真实机器人任务的操作与鲁棒性扰动演示。

主实验以 X-VLA 为骨干,各方法从相同的行为克隆检查点出发。GR-BC 在上述四项任务上的最终成功率依次为98%、93%、89% 和 83%,平均约 91%;类 DAgger 等权聚合基线平均为 64%,相差约 27 个百分点。



图 7|X-VLA 四任务成功率及迭代变化。

显卡插装的独立实验还覆盖 SmolVLA 与 π₀.₅,GR-BC 均优于各自的类 DAgger 基线,支持其在该任务上的骨干兼容性。前述 91% 仅指 X-VLA 的四任务结果。

进度评测:能否发现成功轨迹里的退步?



表 1|进度评测与输入条件;GRP 为图内诊断。截自论文第 7 页表 1。



图 8|局部偏离、重新定向和滑脱时,GRP 的进度信号出现回落。

每项任务固定评测 30 条成功、30 条失败轨迹。四任务汇总中,GRP 的成功 — 失败终点进度差为 0.97,局部偏离检出比例为 0.92。这意味着它不仅区分成败,也能捕捉成功过程中的退步。

总结与展望

真机数据来之不易。一次插入、一轮对齐、一段人工纠正,背后都是设备运行和人的时间。要求数采员提前交出一条近乎完美的完整示范,往往意味着更多重试,也可能让许多局部有效的经验被一同丢弃。

GR-BC 让多次不完美尝试中的有效经验共同发挥作用,为预训练数据清洗、后训练数据质量优化,以及基于任务进度的数据达标评估提供新思路。通过连接分散经验、识别有效动作片段,让数据价值的判断从整条轨迹的成败深入到局部动作的实际贡献。面向工业界毫米级插接、装配等精细操作,这一思路也有望帮助策略学习偏差纠正与受挫恢复,为更鲁棒的机器人操作提供支持。

作者团队简介

第一作者李小满,来自浙江大学 CAD&CG 国家重点实验室,在中国电信人工智能研究院(TeleAI)实习期间参与本项研究。工作由浙江大学、TeleAI 与伽马智能等机构合作完成。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
我调任双峰县县委书记后,发现被双规的前任县委书记是冤枉的

我调任双峰县县委书记后,发现被双规的前任县委书记是冤枉的

乔生桂
2024-12-14 12:06:19
太炸了!狂砍38+9!韩旭!

太炸了!狂砍38+9!韩旭!

刺猬篮球
2026-11-21 19:12:55
为啥有时候大便之前的体重和大便之后的体重一样?难道排泄物没重量吗?

为啥有时候大便之前的体重和大便之后的体重一样?难道排泄物没重量吗?

向航说
2026-11-20 22:10:04
南昌咖啡店3人同行1人未点单被劝离最新进展:涉事咖啡店已摘除提示牌

南昌咖啡店3人同行1人未点单被劝离最新进展:涉事咖啡店已摘除提示牌

辉哥说动漫
2026-11-20 12:57:44
“世纪大和解”消息后,李小璐发文:接纳每一面的自己!

“世纪大和解”消息后,李小璐发文:接纳每一面的自己!

默默有话说
2026-11-19 11:51:07
单节仅得8分!广东男篮半场落后NBL球队,徐杰硬撑,阿祖纯副作用

单节仅得8分!广东男篮半场落后NBL球队,徐杰硬撑,阿祖纯副作用

萌兰聊个球
2026-11-21 21:12:48
彻底崩盘!新世界第一已经被打回原形,松岛辉空的短板过于明显

彻底崩盘!新世界第一已经被打回原形,松岛辉空的短板过于明显

乒乓网国球汇
2026-11-10 02:25:49
《GTA6》性感Mandy火了 网友质疑为何不让她当女主

《GTA6》性感Mandy火了 网友质疑为何不让她当女主

3DM游戏
2026-11-19 22:48:25
“不来就不该拿薪水”!败选共和党议员斥责缺席同僚,呼吁停薪

“不来就不该拿薪水”!败选共和党议员斥责缺席同僚,呼吁停薪

闻识
2026-11-22 01:53:06
警惕!MCN杀猪盘套路:专挑女大学生下手,完不成直播任务就逼陪客抵债

警惕!MCN杀猪盘套路:专挑女大学生下手,完不成直播任务就逼陪客抵债

拍案社会
2026-11-15 10:08:36
首例5胞胎长大了,父亲已劳累去世,母亲直言:如能重来一个也不要

首例5胞胎长大了,父亲已劳累去世,母亲直言:如能重来一个也不要

柳絮忆史
2025-07-22 07:15:03
切尔西1-4告负,阿隆索遭遇执教生涯主场并列最大分差失利

切尔西1-4告负,阿隆索遭遇执教生涯主场并列最大分差失利

懂球帝
2026-11-22 02:14:52
黄金、白银期价20日大幅下跌

黄金、白银期价20日大幅下跌

证券时报
2026-11-21 08:16:03
泽连斯基:若冲突不尽快结束,乌克兰将需要西方伙伴提供更多巨额资金

泽连斯基:若冲突不尽快结束,乌克兰将需要西方伙伴提供更多巨额资金

阿尔卑斯瞭望
2026-11-21 17:55:36
红果短剧有多离谱?套路千篇一律,逻辑全崩,为何还让人上瘾

红果短剧有多离谱?套路千篇一律,逻辑全崩,为何还让人上瘾

浩渺青史
2026-11-20 01:27:26
1-1!哈兰德屡失良机,1.2亿先生救主,曼城主场爆冷,连续4轮不胜

1-1!哈兰德屡失良机,1.2亿先生救主,曼城主场爆冷,连续4轮不胜

我的护球最独特
2026-11-21 22:28:09
号称水下055!西方曝中国核潜艇,耐压壳直径13米,排水量13000吨

号称水下055!西方曝中国核潜艇,耐压壳直径13米,排水量13000吨

兔兔侃娱乐
2026-11-22 01:01:20
沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

兰姐说故事
2025-08-21 20:05:04
男女一旦做了情人,逃不过六个宿命阶段,九成人熬不过第四关

男女一旦做了情人,逃不过六个宿命阶段,九成人熬不过第四关

皓皓情感说
2026-10-15 08:35:42
CBA第一外援成混子,上海队看走眼惨败,北京辽宁成最大赢家

CBA第一外援成混子,上海队看走眼惨败,北京辽宁成最大赢家

宗介说体育
2026-11-21 11:32:40
2026-11-22 03:39:00
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14525文章数 142762关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

手机
数码
家居
亲子
公开课

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

家居要闻

2026建博会(广州) 公装联探展交流活动

亲子要闻

宝宝必看的5个启蒙动画,豆瓣评分都是在9.0以上

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版