Abstracting Robot Manipulation Skills via Mixture-of-Experts Diffusion Policies
本文介绍了技能混合专家策略（Skill Mixture-of-Experts Policy, SMP），这是一种基于扩散的框架，它学习一个紧凑的正交技能基底，并利用粘性路由（sticky routing）来动态激活仅与任务相关的专家，从而实现优于大规模扩散基准模型的多种任务操控性能，并显著降低推理成本。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在教一个拥有双臂的机器人做各种家务：捡起一个瓶子、清扫灰尘，或者把一张卡片放入抽屉。
过去，研究人员试图通过构建一个巨大的“大脑”（一个庞大的 AI 模型）来解决这个问题，并希望它能自动学会每一项任务。但这就像是为了读一本书而试图把整个图书馆都背在背包里一样。这既沉重又缓慢，而且当任务变得过于不同时，机器人会感到困惑。
这篇论文介绍了一种名为 SMP（技能混合专家策略，Skill Mixture-of-Experts Policy）的新方法。不要把 SMP 看作一个巨大的大脑，而要把它看作一个组织严密的施工队，拥有一套特定的工具和一位聪明的工头。
以下是它的工作原理，通过简单的概念进行拆解：
1. “工具箱”（正交技能基底）
SMP 并不是尝试从头学习每一个动作，而是学习一组基本的、可复用的技能。
- 类比： 想象一个工具箱。你不需要为每一项工作准备独特的工具。你只需要一把锤子、一把螺丝刀和一把扳手。
- SMP 是如何做的： 它学习“正交”技能。用数学术语来说，这意味着这些技能是完全不同的，就像坐标系上的 X、Y 和 Z 轴一样。一个技能可能纯粹是“向左移动”，另一个纯粹是“旋转”，还有一个纯粹是“抓取”。因为它们互不重叠，所以机器人知道该使用哪种工具，而不会产生混淆。
- 转折点： 这个工具箱并不是静态的。如果机器人的手臂处于一个奇怪的位置，工具箱会根据情况进行微调，确保工具在特定的角度下始终完美适用。
2. “工头”（粘性路由）
一旦机器人有了工具箱，它就需要有人来决定何时以及使用哪些工具。
- 类比： 想象一个建筑工地。你不希望工头每秒钟都在锤子和螺丝刀之间切换。那样会非常混乱且低效。你希望工头说：“好了，接下来的 10 秒钟，我们只负责钉钉子，”然后切换到“拧螺丝”阶段。
- SMP 是如何做的： 它使用了所谓的“粘性路由”（sticky routing）。“门控”（决策者）会在一段时间内保持在同一种技能上。它不会出现抖动或反复跳变。这创造了平滑、自然的运动阶段，例如“伸手”、“抓取”、“移动”和“释放”。
3. “精干的团队”（混合专家模型）
SMP 拥有许多不同的“专家”（小型 AI 模型），但它不会同时使用所有的专家。
- 类比： 想象一个餐厅厨房。当你点一个汉堡时，你不需要寿司厨师、甜点师和烧烤师同时为你工作。你只需要烧烤师。
- SMP 是如何做的： 在任何给定时刻，SMP 会观察机器人正在做什么，并仅激活该特定步骤所需的少数几个专家。
- 如果机器人需要移动左臂，它会唤醒“左臂”专家。
- 如果机器人需要旋转，它会唤醒“旋转”专家。
- 其余的专家则保持休眠状态（以节省能量和时间）。
为什么这种方法更好？
论文在计算机模拟和真实的双臂机器人上都测试了这种方法。以下是他们的发现：
- 速度更快： 因为 SMP 每次只唤醒少数几个“专家”，它不需要进行庞大模型的繁重计算。它的运行速度更快，这对于实时机器人控制至关重要。
- 学习更聪明： 当机器人学习一系列不同的任务时，SMP 发现“抓取瓶子”和“抓取积木”使用的是相同的底层技能。它复用了这些技能，而不是从头开始重新学习。
- 适应能力强： 当面对只有极少示例（例如 10 次尝试）的新任务时，SMP 的适应速度比那些庞大的模型快得多，因为它只需要调整其“工头”来选择现有的正确工具，而不是重建整个大脑。
核心结论
该论文认为，与其让机器人变得“更大”且“更笨”（即运行缓慢且昂贵的大型模型），我们应该让它们变得模块化且高效。
通过教机器人一组独特的、可复用的基本技能，并赋予它一个能在正确的时间选择正确工具的智能系统，我们可以让机器人快速、可靠地完成复杂的多种任务，即使是在真实的硬件设备上。这就像是把背着整个图书馆，与携带一把智能且多功能的瑞士军刀之间的区别。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。