RoboEvolve：有限数据下协同进化的规划器-仿真器机器人操作框架
arXiv 2605.13775v2 提出 RoboEvolve 框架，将 VLM 规划器与 VGM 仿真器耦合成协同进化循环，用无标签种子图像自举，通过日间探索（语义控制多粒度奖励）与夜间巩固（挖掘近失失败）双阶段机制训练。实验显示基础规划器提升 30 个绝对点、仿真器成功率平均提升 48%；仅用 500 个无标签种子即超越全监督基线，初始 RL 数据减少 50 倍；并可将冷启动 LingBot-VA 在 LIBERO 上的平均任务成功率从 78.7% 提升至 98.7%。
发布于 10-27 12:59来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《RoboEvolve: Co-Evolving Planner-Simulator for Robotic Manipulation with Limited Data》查看原链
arXiv:2605.13775v2 公告类型：替换 摘要：机器人操作的可扩展性从根本上受限于任务对齐的物理交互数据稀缺。 视觉语言模型（VLM）和视频生成模型（VGM）有望实现自主数据合成，但分别存在语义-空间错位和物理幻觉问题。 为弥合这一差距，我们提出 RoboEvolve，一种将 VLM 规划器与 VGM 仿真器耦合为相互增强的协同进化循环的新框架。
RoboEvolve 以无标签种子图像自举实现自我进化，采用受认知启发的双阶段机制：（i）日间探索通过语义控制的多粒度奖励促进物理落地的行为发现；（ii）夜间巩固挖掘“近失”失败以稳定策略优化。 在自主渐进课程引导下，系统自然从简单原子动作扩展到复杂任务。
大量实验表明，RoboEvolve（I）取得更优效果，将基础规划器提升 30 个绝对点，仿真器成功率平均提升 48%；（II）展现极高数据效率，仅用 500 个无标签种子即超越全监督基线——初始 RL 数据减少 50 倍；（III）展现稳健持续学习且无灾难性遗忘；（IV）扩展至底层控制，利用环境反馈将冷启动的 LingBot-VA 在 LIBERO 上的平均任务成功率从 78.7% 提升至 98.7%。
这些结果共同表明，我们的协同进化框架适用于内部监督的生成学习和基于环境的动作学习。