[控场AI]
· 4 分钟阅读· 2,432 字

RecPo:重构程序性知识,让机器人技能组合更灵活

RecPo:重构程序性知识,让机器人技能组合更灵活

RecPo框架通过重构程序性知识实现机器人技能组合适应,长时程任务完成率91.9%,推理仅1毫秒。

来自RSS的研究提出RecPo框架,将机器人技能适应视为对已有程序性知识的重构而非从头学习。该框架以任务无关方式表示技能,通过多个程序视图暴露可复用因子,并维护存储状态转移的知识库。部署时,系统将任务规范解析为组合查询,绑定已有技能执行。在扩展Franka Kitchen基准上,RecPo在长时程任务中达到91.9%的有序完成率,每回合推理仅1.0毫秒,且在不同稀疏度下保持稳定。真实机器人实验表明,可通过局部记忆编辑实现适应,无需任务特定重新训练。该工作为数据有限场景下的快速技能组合提供了轻量级、可解释的方案。

机器人能否像人一样,把已掌握的技能灵活重组以应对新任务?一篇来自RSS的最新研究提出了RecPo框架,通过重构程序性知识来实现组合式技能适应,在长时程任务中达到了91.9%的有序完成率,且每回合任务推理仅需1.0毫秒。

RecPo框架示意图

当行为模型学会“程序性知识”

通用行为模型在训练过程中越来越多地内化了广泛的程序性知识。这意味着,当它们需要适应新目标或新的技能接口时,问题往往不在于从头学习全新行为,而在于如何重新配置已有的能力。研究者将这种能力称为“可重构性”(reconfigurability),即在稀疏的指导信息下,以低成本的方式重组现有组件和关系,从而实现新的行为。

这里的“稀疏指导信息”包含两个层面:任务规范提供高层目标,而程序规范则暴露一组有限的可复用因子。至于执行所需的具体绑定和组合方式,则留给系统自行确定。这种设定更贴近现实场景——人类给出的指令往往是粗略的,而机器人需要自行补全执行细节。

程序性知识(Procedural Knowledge) 在认知科学中指关于“如何做”的知识,与陈述性知识(关于“是什么”的知识)相对。在机器人领域,它通常表现为技能的执行逻辑,例如抓取、放置、开门等动作的序列与条件。行为模型(behavior model)通过大规模演示数据训练,能够将这些技能编码为隐式的策略或状态转移关系。可重构性强调的正是对这些隐式知识进行显式化重组的能力,而非简单地增加训练数据。RecPo 将这种知识存储为状态转移(transition),即(状态,动作,下一状态)三元组,使得技能可以被视为可组合的模块。这种表示方式借鉴了经典规划中的操作符模型,但通过多视图机制增加了对稀疏指导的适应性。理解程序性知识与陈述性知识的区别,有助于把握为何 RecPo 不依赖任务特定微调,而是通过查询已有转移来适应新任务。

RecPo:用多视图表示技能

为了解决上述问题,研究者提出了RecPo框架。其核心思路是以任务无关的方式表示技能,并通过多个“程序视图”来暴露可复用的因子,同时保留技能之间的局部连通性。RecPo维护一个程序知识库,存储由技能引发的状态转移(transitions),每个视图对应一个可复用因子。

在部署阶段,RecPo通过相同的视图来解释任务规范,并将由此产生的组合查询解析到存储的关系上,从而绑定技能以供执行。换句话说,系统不需要为每个新任务重新训练,而是通过组合已有的转移来实现任务特定的变化。

RecPo的知识库与组合查询

多视图表示(Multi-View Representation) 在这里指对同一技能从不同“程序视图”进行描述,每个视图对应一个可复用因子,例如技能的前置条件、效果或执行参数。这种设计借鉴了多视图学习(multi-view learning)的思想,即利用同一对象的不同特征子集来增强泛化能力。在 RecPo 中,视图是任务无关的,使得同一技能可以在不同任务规范下被不同视图索引和组合。组合查询(compositional query)则是指将任务规范解析为对知识库中转移的查询,例如“先打开柜门再放入杯子”被分解为对“开门”和“放置”转移的组合查询。这种查询解析机制类似于数据库中的关系查询,但作用于技能转移之上。多视图的好处是暴露技能的可复用性,同时保留技能之间的局部连通性,从而支持在稀疏指导下灵活绑定技能。

性能验证:长时程任务与真实机器人

在扩展的Franka Kitchen基准上,RecPo在长时程任务中实现了91.9%的有序完成率,且每回合任务推理时间仅为1.0毫秒。这一结果在不同程度的程序支持和任务记录稀疏性下均保持稳定。更关键的是,真实机器人研究进一步表明,RecPo可以通过局部记忆编辑实现适应,而无需针对特定任务进行重新训练。

这种“局部记忆编辑”的能力意味着,当任务发生变化时,系统只需修改知识库中的少量条目,而不必触动整个模型。这为机器人在动态环境中的快速适应提供了新的可能性。

Franka Kitchen 基准 是机器人操作领域常用的长时程任务评测环境,基于 Franka Emika Panda 机械臂,包含多个厨房操作任务(如开微波炉、移动水壶、打开橱柜等)。标准版本通常评估多任务学习,而“扩展的”版本可能增加了任务组合的复杂度和长时程依赖。有序完成率(ordered completion rate) 指在长时程任务中,子任务必须按特定顺序完成的比例,强调顺序正确性而非仅完成数量。局部记忆编辑(local memory editing) 指仅修改知识库中与当前任务相关的少量转移条目,而非重新训练整个模型,类似于持续学习中的参数隔离或记忆编辑技术。1.0 毫秒的推理时间表明组合查询解析非常高效,适合实时机器人控制。这些指标共同说明 RecPo 在保持轻量级的同时实现了高顺序正确性。

启示与展望

RecPo的价值在于它重新定义了机器人技能适应的范式:从“学习新行为”转向“重组已有能力”。这种思路与当前大模型领域强调的上下文学习和组合泛化有相通之处。不过,该研究目前主要在Franka Kitchen基准上验证,其在更复杂、更开放环境中的泛化能力仍有待进一步探索。此外,如何自动发现和定义合适的“程序视图”也是一个值得关注的方向。

对于AI和机器人领域的研究者与工程师而言,RecPo提供了一种轻量级、可解释的技能组合方案,尤其适合需要快速适应新任务但标注数据有限的场景。随着行为模型内化的程序性知识越来越丰富,如何高效地重构这些知识,或将成下一阶段的关键挑战。

#RecPo#程序性知识#机器人技能适应#组合式技能#技能重组#Franka Kitchen#机器人学习
分享:

相关推荐