返回文章列表

WAM-Policy:让四足机器人边走边操作,也能听懂语言指令

阅读约 2 分钟

让四足机器人一边行走、一边用前腿操作物体,是一种对全身协调要求很高的“移动操作”能力。研究所说的无机械臂四足机器人,需要在三足支撑行走时腾出一条前腿执行操作。世界动作模型(WAM)已能根据语言指令执行操作任务,但通常针对机械臂训练,而且生成动作较慢。WAM-Policy尝试把这类模型迁移到四足平台,并降低实际推理成本。

核心思路:迁移、加速,再提升任务能力

方法分为两个阶段。第一阶段“跨形态策略适配与加速”,先把以机械臂为中心的WAM策略适配到四足机器人,再通过在线自蒸馏(OPSD),让学生策略学习教师在自身运行状态下的行为。摘要称,压缩后的学生每次推理使用一个视频步骤和两个动作步骤,避免直接沿用教师较慢的采样过程。

第二阶段针对蒸馏学生的能力上限:如果教师只会模仿示范,学生也难以超越示范策略。研究先用强化学习(RL)对教师按任务进行改进,再通过多教师在线策略蒸馏(M-OPD),把这些较慢的任务专用策略整合为一个少步数学生模型。换言之,前一阶段主要解决迁移与速度,后一阶段则试图补上任务表现。

基准结果与现实边界

在QLM-Bench的十项模拟任务上,研究使用了1000条示范数据,这些数据由合成方式生成,无需遥操作采集。跨形态迁移后的策略成功率为77.0%;OPSD学生达到76.7%,同时采样速度提高14倍。经过任务强化学习和M-OPD后,成功率进一步达到85.0%。这组结果显示,蒸馏可以在大幅加速的同时保留接近迁移教师的模拟表现,而加入强化学习和多教师合并后,基准分数还能提升。

作者还把OPSD学生部署到真实的Unitree Go2 Air上,说明其工作不仅停留在模拟环境。不过,现有摘要没有报告真实机器人上的任务成功率、测试规模或与模拟结果的对应关系,因此不能据此判断真实环境中的可靠性。整体而言,WAM-Policy提供了一条将语言条件操作模型迁移到不同机器人形态的路线:先用蒸馏压低推理成本,再用强化学习改善教师,最后把多种能力压回快速学生策略。其价值在于把模型迁移、运行效率与任务优化放进同一流程;后续仍需更多真实场景评估检验泛化能力。

来源:Hugging Face Daily Papers

评论

正在确认登录状态……

正在加载评论……

相关文章