在全球人工智能高速邁進(jìn)的浪潮下，具身智能技術(shù)和產(chǎn)業(yè)迅猛發(fā)展，但在數(shù)據(jù)與模型、感知與認(rèn)知能力、交互與適應(yīng)性等諸多關(guān)鍵領(lǐng)域仍存在諸多亟待突破的難題。作為國(guó)家級(jí)創(chuàng)新平臺(tái)，國(guó)家地方共建具身智能機(jī)器人創(chuàng)新中心始終聚焦底層前沿技術(shù)突破，致力于拓展具身智能技術(shù)邊界。2025年開(kāi)年，國(guó)創(chuàng)中心在國(guó)際機(jī)器人與自動(dòng)化頂會(huì)（ICRA）與多智能體系統(tǒng)頂會(huì)（AAMAS）等全球頂會(huì)上連續(xù)發(fā)布五篇重磅論文，為具身智能技術(shù)的多重要分支領(lǐng)域帶來(lái)了新的方法論與技術(shù)范式。
國(guó)際機(jī)器人與自動(dòng)化會(huì)議（ICRA）是機(jī)器人與自動(dòng)化領(lǐng)域的權(quán)威盛會(huì)，由IEEE主辦，匯聚全球頂尖學(xué)者，涵蓋前沿技術(shù)與創(chuàng)新應(yīng)用，國(guó)創(chuàng)中心在多任務(wù)操作、模型擴(kuò)展、數(shù)據(jù)利用、多層零樣本導(dǎo)航等領(lǐng)域的研究成果獲ICRA收錄；多智能體系統(tǒng)國(guó)際會(huì)議（AAMAS）聚焦多智能體的基礎(chǔ)理論與應(yīng)用實(shí)踐，國(guó)創(chuàng)中心本次在視覺(jué)運(yùn)動(dòng)領(lǐng)域的研究成果獲AAMAS收錄。這些研究成果不僅攻克了相應(yīng)領(lǐng)域的關(guān)鍵難題，還為機(jī)器人技術(shù)在復(fù)雜場(chǎng)景中的實(shí)際應(yīng)用提供了全新的思路和方法。
離散策略：解耦動(dòng)作空間，提升機(jī)器人多任務(wù)操作能力
論文標(biāo)題：Discrete Policy: Learning Disentangled Action Space for Multi-Task Robotic Manipulation
arXiv地址：https://arxiv.org/abs/2409.18707
在具身智能機(jī)器人的多任務(wù)操作中，動(dòng)作模式的多樣化是一個(gè)長(zhǎng)期存在的挑戰(zhàn)。單一任務(wù)可能對(duì)應(yīng)多種操作方式，導(dǎo)致動(dòng)作分布復(fù)雜且存在多種模式，而多任務(wù)設(shè)置進(jìn)一步加劇了這一問(wèn)題。傳統(tǒng)方法難以區(qū)分不同任務(wù)的動(dòng)作模式，導(dǎo)致在多任務(wù)場(chǎng)景下性能下降。例如，在桌面操作任務(wù)中，機(jī)器人需要掌握抓、放、推、拉、旋轉(zhuǎn)等多種動(dòng)作技能，現(xiàn)有技術(shù)難以準(zhǔn)確區(qū)分和適應(yīng)不同任務(wù)，導(dǎo)致操作失敗率較高。
為了解決這一問(wèn)題，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)提出了一種名為Discrete Policy的創(chuàng)新方法，通過(guò)向量量化變分自編碼器（VQ-VAE）將動(dòng)作序列映射到離散的隱動(dòng)作空間，并利用條件擴(kuò)散模型生成任務(wù)特定的隱動(dòng)作模式嵌入向量，從而解耦多任務(wù)動(dòng)作空間。該方法通過(guò)離散化隱動(dòng)作空間，有效區(qū)分不同任務(wù)的動(dòng)作模式。具體來(lái)說(shuō)，VQ-VAE將連續(xù)的動(dòng)作空間離散化為有限的隱動(dòng)作空間，使得每個(gè)任務(wù)的動(dòng)作模式可以被清晰地分離和識(shí)別。條件擴(kuò)散模型則進(jìn)一步生成任務(wù)特定的隱動(dòng)作模式嵌入向量，確保機(jī)器人在執(zhí)行不同任務(wù)時(shí)能夠選擇最合適的動(dòng)作模式。
Discrete Policy顯著提升了多任務(wù)操作的準(zhǔn)確性和適應(yīng)性。在實(shí)驗(yàn)中，Discrete Policy在12個(gè)任務(wù)中的平均成功率比Diffusion Policy高出32.5%，在5個(gè)任務(wù)測(cè)試中的平均成功率達(dá)到84%，比OpenVLA高出15%。此外，在6個(gè)雙機(jī)械臂操作任務(wù)中，其成功率也達(dá)到65.8%，顯著優(yōu)于其他方法。
在應(yīng)用方面，Discrete Policy不僅適用于桌面操作，還可廣泛應(yīng)用于工業(yè)、家居等多種場(chǎng)景。例如在工業(yè)裝配線上，機(jī)器人需要執(zhí)行多種復(fù)雜的操作任務(wù)，Discrete Policy可以有效提升其操作精度和效率。
未來(lái)，國(guó)創(chuàng)中心計(jì)劃進(jìn)一步優(yōu)化該方法，提升其在動(dòng)態(tài)環(huán)境中的適應(yīng)能力，并探索其在更復(fù)雜場(chǎng)景下的應(yīng)用。通過(guò)不斷改進(jìn)和擴(kuò)展Discrete Policy，國(guó)創(chuàng)中心旨在為多任務(wù)機(jī)器人操作提供更加高效和可靠的技術(shù)支持，推動(dòng)具身智能技術(shù)的進(jìn)一步發(fā)展。
自我監(jiān)督學(xué)習(xí)：從失敗數(shù)據(jù)中提取價(jià)值提升操作成功率
論文標(biāo)題：Learning from Imperfect Demonstrations with Self-Supervision for Robotic Manipulation
arXiv地址：https://arxiv.org/abs/2401.08957
在機(jī)器人操作任務(wù)中，數(shù)據(jù)收集成本高、時(shí)間長(zhǎng)且昂貴，現(xiàn)有模仿學(xué)習(xí)方法通常只使用成功數(shù)據(jù)，丟棄失敗數(shù)據(jù)，導(dǎo)致數(shù)據(jù)利用率低下，然而失敗數(shù)據(jù)中往往包含有價(jià)值的信息，可以幫助機(jī)器人更好地理解任務(wù)和環(huán)境，從而提高操作成功率。如何從這些失敗數(shù)據(jù)中提取有效信息，并將其轉(zhuǎn)化為可用的訓(xùn)練數(shù)據(jù)，一直是模仿學(xué)習(xí)領(lǐng)域的一大難題。
為了更好地從失敗數(shù)據(jù)中提取有價(jià)值的信息，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)提出了一種自監(jiān)督數(shù)據(jù)過(guò)濾框架（SSDF）。該框架通過(guò)結(jié)合專(zhuān)家數(shù)據(jù)和失敗數(shù)據(jù)來(lái)計(jì)算失敗軌跡段的質(zhì)量分?jǐn)?shù)，并篩選出高質(zhì)量的失敗數(shù)據(jù)片段用于訓(xùn)練。具體來(lái)說(shuō)，SSDF通過(guò)三種自監(jiān)督任務(wù)（掩碼狀態(tài)轉(zhuǎn)換預(yù)測(cè)、狀態(tài)轉(zhuǎn)換重構(gòu)和動(dòng)作自回歸）提取代表性特征，并根據(jù)這些特征計(jì)算失敗數(shù)據(jù)與專(zhuān)家數(shù)據(jù)之間的相似度，最終篩選出高質(zhì)量的失敗數(shù)據(jù)片段用于行為克隆。掩碼狀態(tài)轉(zhuǎn)換預(yù)測(cè)任務(wù)通過(guò)預(yù)測(cè)被掩碼的狀態(tài)轉(zhuǎn)換來(lái)學(xué)習(xí)狀態(tài)之間的依賴(lài)關(guān)系；狀態(tài)轉(zhuǎn)換重構(gòu)任務(wù)通過(guò)重構(gòu)狀態(tài)轉(zhuǎn)換來(lái)提取狀態(tài)變化的特征；動(dòng)作自回歸任務(wù)則通過(guò)預(yù)測(cè)未來(lái)動(dòng)作來(lái)學(xué)習(xí)動(dòng)作序列的模式。這些任務(wù)共同作用，使得SSDF能夠從失敗數(shù)據(jù)中提取出與專(zhuān)家數(shù)據(jù)相似的高質(zhì)量片段。
經(jīng)ManiSkill2基準(zhǔn)測(cè)評(píng)和真實(shí)機(jī)器人操作任務(wù)測(cè)試，SSDF顯著提升了任務(wù)成功率。例如，在懸掛繩子這一任務(wù)中，經(jīng)SSDF框架過(guò)濾，機(jī)器人執(zhí)行任務(wù)的成功率從14.4%提高到了28.4%。這一技術(shù)不僅提高了失敗數(shù)據(jù)的利用效率，還降低了對(duì)高質(zhì)量專(zhuān)家數(shù)據(jù)的依賴(lài)，節(jié)省了數(shù)據(jù)收集和標(biāo)注成本。
在應(yīng)用方面，通過(guò)更加有效的數(shù)據(jù)過(guò)濾和利用，SSDF框架可以大幅提高各種機(jī)器人系統(tǒng)在高不確定性環(huán)境中的表現(xiàn)。例如在工業(yè)自動(dòng)化中，機(jī)器人需要執(zhí)行多種復(fù)雜的裝配任務(wù)，SSDF可以幫助機(jī)器人從失敗的操作中學(xué)習(xí)，提高裝配精度。SSDF框架的應(yīng)用可以有效增強(qiáng)工業(yè)自動(dòng)化、服務(wù)機(jī)器人以及人工智能系統(tǒng)實(shí)際部署效率，節(jié)約經(jīng)濟(jì)成本和時(shí)間。
后續(xù)，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)計(jì)劃進(jìn)一步提升自監(jiān)督數(shù)據(jù)過(guò)濾框架（SSDF）的能力，特別是在不同任務(wù)場(chǎng)景以及不同機(jī)械臂之間的設(shè)置。此外，團(tuán)隊(duì)還希望改進(jìn)特征提取和相似度計(jì)算方法，提升處理高維數(shù)據(jù)的穩(wěn)定性和準(zhǔn)確性。通過(guò)不斷優(yōu)化和擴(kuò)展SSDF框架，國(guó)創(chuàng)中心致力于為機(jī)器人操作任務(wù)提供更加高效和可靠的學(xué)習(xí)方法，推動(dòng)具身智能技術(shù)的進(jìn)一步發(fā)展。
除了離散策略和自我監(jiān)督學(xué)習(xí)，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)在擴(kuò)散策略擴(kuò)展、控制感知增強(qiáng)和多層零樣本導(dǎo)航策略等領(lǐng)域也同步創(chuàng)造了高價(jià)值成果，這些成果不僅在技術(shù)上實(shí)現(xiàn)了突破，更為具身智能技術(shù)的多場(chǎng)景實(shí)地應(yīng)用提供了強(qiáng)大助力。
論文標(biāo)題：Scaling Diffusion Policy in Transformer to 1 Billion Parameters for Robotic Manipulation
arXiv地址：https://arxiv.org/abs/2409.14411
為了解決增加擴(kuò)散模型層數(shù)或參數(shù)量導(dǎo)致訓(xùn)練梯度不穩(wěn)定的問(wèn)題，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)提出了ScaleDP方法，首次驗(yàn)證了基于擴(kuò)散的模仿學(xué)習(xí)的模型擴(kuò)展能力，成功解決了擴(kuò)散策略在Transformer架構(gòu)下的擴(kuò)展難題。ScaleDP有效解決了擴(kuò)散策略在Transformer架構(gòu)中的梯度問(wèn)題，使模型能夠擴(kuò)展到10億參數(shù)，顯著提升了訓(xùn)練穩(wěn)定性和性能。
ScaleDP不僅驗(yàn)證了模型擴(kuò)展帶來(lái)的性能提升，還為具身智能的實(shí)際應(yīng)用提供了更強(qiáng)的模型支持。同時(shí)，國(guó)創(chuàng)中心還計(jì)劃進(jìn)一步探索ScaleDP在多機(jī)器人協(xié)作和動(dòng)態(tài)環(huán)境實(shí)時(shí)操作等復(fù)雜任務(wù)中的應(yīng)用。
論文標(biāo)題：Efficient Training of Generalizable Visuomotor Policies via Control-Aware Augmentation
針對(duì)現(xiàn)有端到端視覺(jué)模型只能在有限環(huán)境中訓(xùn)練且視覺(jué)泛化能力較差這一問(wèn)題，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)提出了EAGLE框架，通過(guò)自監(jiān)督學(xué)習(xí)感知掩碼，精準(zhǔn)定位操作中的關(guān)鍵區(qū)域（如機(jī)械爪接觸面），并利用大規(guī)模互聯(lián)網(wǎng)數(shù)據(jù)僅對(duì)非關(guān)鍵區(qū)域進(jìn)行數(shù)據(jù)增強(qiáng)，同時(shí)通過(guò)非對(duì)稱(chēng)知識(shí)蒸餾方法，讓視覺(jué)策略可從基于底層環(huán)境狀態(tài)的專(zhuān)家策略中學(xué)習(xí)，實(shí)現(xiàn)面向新場(chǎng)景的零樣本視覺(jué)策略遷移。
EAGLE框架有效避免了傳統(tǒng)數(shù)據(jù)增強(qiáng)技術(shù)對(duì)關(guān)鍵信息的破壞，并大幅降低了數(shù)據(jù)采集和標(biāo)注的成本。未來(lái)，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)計(jì)劃將此技術(shù)應(yīng)用于大規(guī)模預(yù)訓(xùn)練算法中，提升預(yù)訓(xùn)練模型在不同背景和干擾物下的泛化能力。同時(shí)，國(guó)創(chuàng)中心正在與家用機(jī)器人廠商合作，開(kāi)發(fā)零樣本自適應(yīng)操作系統(tǒng)，使機(jī)械臂在新場(chǎng)景中無(wú)需大量數(shù)據(jù)采集即可高效部署。這一技術(shù)的廣泛應(yīng)用將顯著降低機(jī)器人部署成本，推動(dòng)家庭服務(wù)機(jī)器人的普及化發(fā)展。
論文標(biāo)題：Multi-Floor Zero-Shot Object Navigation Policy
arXiv地址：https://arxiv.org/abs/2409.10906
為了應(yīng)對(duì)多樓層環(huán)境中的智能體導(dǎo)航難題，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)提出了多層導(dǎo)航策略（MFNP），通過(guò)構(gòu)建語(yǔ)義地圖，融合RGB-D圖像和位姿數(shù)據(jù)，為導(dǎo)航提供基礎(chǔ)信息，結(jié)合大語(yǔ)言模型（LLM）、視覺(jué)語(yǔ)言模型（VLM）策略以及多層導(dǎo)航策略（MFNP），通過(guò)指定樓梯區(qū)域?yàn)槁窐?biāo)點(diǎn)、對(duì)樓梯入口進(jìn)行處理以及設(shè)置時(shí)間重置機(jī)制，有效提升了智能體在多樓層環(huán)境中的導(dǎo)航效率和成功率。
MFNP在HM3D和MP3D數(shù)據(jù)集上的表現(xiàn)超越了現(xiàn)有方法，顯著提升了零樣本對(duì)象導(dǎo)航的性能。這一成果不僅在數(shù)據(jù)集上得到驗(yàn)證，也在真實(shí)場(chǎng)景中展現(xiàn)出實(shí)際應(yīng)用價(jià)值，推動(dòng)了基于視覺(jué)的導(dǎo)航技術(shù)在復(fù)雜現(xiàn)實(shí)場(chǎng)景中的發(fā)展。后續(xù)，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)計(jì)劃進(jìn)一步擴(kuò)展MFNP，細(xì)化多層導(dǎo)航數(shù)據(jù)集和應(yīng)用到端到端訓(xùn)練方法，提高具身智能在復(fù)雜多層環(huán)境中的適應(yīng)性和自主性。這一技術(shù)的深入發(fā)展和應(yīng)用，有望在搜索救援、物品查找等多樣化任務(wù)中提升智能機(jī)器人的效率和成功率，具有重要的實(shí)用價(jià)值和廣泛的應(yīng)用前景。
從離散策略的動(dòng)作解耦到基于擴(kuò)散策略的模型擴(kuò)展，從自我監(jiān)督學(xué)習(xí)到控制感知增強(qiáng)的策略訓(xùn)練，再到多層零樣本導(dǎo)航策略，國(guó)創(chuàng)中心技術(shù)團(tuán)隊(duì)的創(chuàng)新成果在具身智能機(jī)器人領(lǐng)域?qū)崿F(xiàn)了關(guān)鍵性技術(shù)突破，為底層技術(shù)探索和應(yīng)用拓展提供了重要的理論支持與實(shí)踐范例，有力推動(dòng)了具身智能技術(shù)在多任務(wù)操作、模型擴(kuò)展、數(shù)據(jù)利用和視覺(jué)運(yùn)動(dòng)策略等核心問(wèn)題上的實(shí)質(zhì)性進(jìn)展。
具身智能的發(fā)展離不開(kāi)全產(chǎn)業(yè)鏈的不懈努力和創(chuàng)新探索，后續(xù)，國(guó)創(chuàng)中心將繼續(xù)深耕具身智能領(lǐng)域，加強(qiáng)與全球頂尖高校和科研院所的合作，不斷探索未知，攻克更多技術(shù)難題。這些成果將為全球人工智能和機(jī)器人技術(shù)的發(fā)展提供新的思路和方向，推動(dòng)具身智能從實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用，為人類(lèi)社會(huì)帶來(lái)更高效、更智能的服務(wù)與支持。
京公網(wǎng)安備11011202100775號(hào)