RoboCode：学习可复用的机器人操作动作基元
论文提出 RoboCode，用共享的软门控基元动作接口学习跨任务复用的短时程动作模式：每个动作块被表示为多个已学习基元的软组合，而非单个离散编码；该接口从多任务汇集的动作块中学习后冻结，再训练任务特定的状态编码器将状态映射到共享潜空间。在五个 ManiSkill 操作任务上，动作块平均重建 MSE 为 0.0187，编码激活分析显示跨任务存在结构化编码复用；闭环平均成功率为 75.6%，高于 ACT 的 68.8% 和更大规模 Diffusion Policy 基线的 41.6%。
发布于 10-27 10:53来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《RoboCode: Learning Reusable Action Primitives for Robot Manipulation》查看原链
arXiv:2610.32225v1 公告类型：新论文 摘要：近期的机器人操作策略通常直接从观测预测连续动作块，而没有显式建模动作空间中的可复用结构。 然而，操作演示中往往包含跨任务共享的、反复出现的短时程运动模式。 我们提出 RoboCode，通过一个共享的软门控基元动作接口来学习这些模式。
RoboCode 不把每个动作块分配给单个离散编码，而是将其表示为多个已学习基元的软组合，从而为短时程动作提供一种灵活的中间表示。 该基元接口从跨多个任务汇集的动作块中学习，随后被冻结，同时训练任务特定的状态编码器，将当前状态输入映射到共享的潜空间。
在五个 ManiSkill 操作任务上的实验回答了三个问题。 第一，学习到的基元接口以平均重建 MSE 0.0187 重建动作块。 第二，对编码激活的分析揭示了跨任务的结构化编码复用。 第三，RoboCode 在所有评估任务上取得最高或并列的闭环成功率，平均成功率为 75.6%，而 ACT 为 68.8%，更大的 Diffusion Policy 基线为 41.6%。
这些结果表明，软门控基元码本为机器人操作提供了一种有效且可解释的中间动作表示。