机器人示范不必逐帧对齐:SURE只用两成训练步数,LIBERO平均成功率到97.0%
核心概要
机器人操作示范里,同一任务常有多种可行姿态和不同执行速度,逐点监督却把每个示范动作当成唯一精确目标。SURE在OpenVLA-7B骨干上加入轻量转置卷积概率动作解码器刻画相邻动作格之间的空间不确定性,并用Soft-DTW对齐监督容忍示范之间的局部时序差异。在LIBERO上训练10k步即达97.0%平均成功率,高于训练50k步的OpenVLA-OFT的94.3%;在RoboTwin 2.0五个任务上平均72.2%,在六个真实任务上平均57.5%。
深度剖析
机器人操作策略的训练不再要求预测逐帧贴合示范者的精确姿态与节奏,而是把动作当作一个局部相关的概率分布来学。 此前的VLA动作头多把每个示范动作当作孤立点目标,扩散或流式生成头虽能表达多模态,但监督仍按点计算,模型需要更多数据才能自己发现相邻动作应获得相近信用。 在LIBERO四个任务套件上,SURE训练10k步取得97.0%平均成功率,同一骨干的OpenVLA-OFT训练10k步为87.1%,训练50k步为94.3%。
空间不确定性由一个小型概率解码器承担,时间不确定性由一条可微的序列对齐损失承担,两者共同降低对示范者个人习惯的敏感度。 转置卷积把相邻动作格当作有顺序的邻居而非互不相关的类别,Soft-DTW则把语音识别中处理语速差异的动态时间规整改成可反向传播的软最小值。 在LIBERO-Spatial上,同时去掉概率解码器和Soft-DTW后成功率从99.0%降到94.4%,只去掉Soft-DTW为97.4%,只去掉概率解码器为96.8%。
数据效率的提升在固定训练预算下随示范比例变化被单独测量,而不只是训练步数减少带来的结果。 在LIBERO-Spatial上以10k步固定预算、分别用10%、25%、50%和100%示范训练时,SURE相对OpenVLA-OFT的成功率提升分别为21.4、4.2、4.2和4.6个百分点。 只用25%示范时SURE达到95.0%,高于OpenVLA-OFT用全量数据得到的94.4%;只用10%示范时为93.8%,与全量数据OpenVLA-OFT相差0.6个百分点。
启示与展望
评测范围是LIBERO四个任务套件、RoboTwin 2.0的五个双臂任务(Easy设置、每任务100次 rollout)以及用LeRobot SO-101采集的六个桌面任务(每任务20次试验);真实任务由作者本人充当操作者采集示范,不涉及与人交互。
LIBERO上OpenVLA-OFT与SURE均为单种子评测,数据效率实验也全部为单种子;RoboTwin 2.0的基线结果取自RoboTwin 2.0原论文和JEPA-VLA,真实任务的OpenVLA-OFT基线则由作者在同一批混合任务示范上训练50k步得到。作者指出所报成功率不衡量操作安全,也不支持在有人环境中无人监督使用。
