Bridging Handheld and Teleoperated Supervision for Contact-Rich Manipulation via State-Gated Experts
该论文提出了 BRIDGE，一种状态门控扩散专家混合模型，通过根据机器人的当前状态在不同动作类型之间进行动态路由，有效地将可扩展的手持数据与针对性的遥操作演示相结合，从而显著提高接触密集型操控任务的成功率。
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，你正试图教一个机器人完成精细的任务，比如穿针引线，或者将电池拧入一个紧凑的弹簧驱动槽中。你有两种主要的教学方式，但两者都存在重大缺陷。
两位有缺陷的老师
- “手持式”老师（快速游客）：
想象一下，一个人拿着一个看起来像机器人手的控制器，在房间里走动，向机器人展示该做什么。这既快速又容易。你可以快速收集数百个示例。
- 问题所在： 当机器人只是在空气中移动时，这种方法效果很好。但一旦机器人需要接触物体（比如按按钮或插入管子）时，拿着控制器的那个人无法完美地感受到阻力。人类的手可能会晃动，或者推得太用力，因为他们是在试图通过“看”路径，而不是通过“感受”物理特性。如果机器人试图完全模仿这种摇晃的动作，它可能会撞碎物体或折断机器人的手臂。
- “遥操作”老师（慢速外科医生）：
想象一下，一个人坐在高科技控制台前，直接控制机器人，拥有完美的精度，并能感受到每一丝阻力。
- 问题所在： 这对于精细的部分来说是完美的，但它极其缓慢且令人精疲力竭。收集足够的数据来教会机器人整个任务需要耗费很长时间。
论文的核心思想：“混合教练”
作者们意识到，你并不需要一位完美的老师来负责任务的每一秒钟。你只需要在棘手的环节需要完美老师。
他们提出了一个名为 BRIDGE 的系统（代表 Bi-modal Routing for Imitation Data via Gated Experts，即通过门控专家进行双模态模仿数据路由）。把它想象成一支拥有两名专业球员和一名聪明教练的运动队：
- 球员 A（手持专家）： 这一位擅长快速奔跑和在开阔空间移动。他们从“快速游客”的数据中学习。他们负责处理工作中那些枯燥、简单的部分。
- 球员 B（遥操作专家）： 这一位是精细、高压情况下的大师。他们从“慢速外科医生”的数据中学习。只有在情况变得棘手时，他们才会介入。
- 教练（路由分配器）： 这是神奇之处。教练观察机器人当前的处境。
- 如果机器人只是在空气中移动？教练会大喊：“球员 A，上！”
- 如果机器人即将接触表面或按压弹簧？教练会大喊：“立即切换到球员 B！”
为什么“天真混合”会失败
论文测试了如果仅仅把所有数据丢进一个锅里，并寄希望于机器人能自己搞清楚区别，会发生什么。这就像试图通过一本关于“如何跑步”的教科书和一本关于“如何做手术”的教科书来教学生，然后告诉他们“自己去悟吧”。机器人会感到困惑。它会尝试用手术般的精度去跑步（太慢了），或者用跑步的速度去做手术（太危险了）。论文发现，简单地混合数据实际上让机器人的表现比仅使用手持数据时还要差。
结果：速度与精度的结合
通过使用他们的“教练”在正确时刻切换两位球员，机器人取得了惊人的成果：
- 它从快速、廉价的手持数据中学习了任务的总体轮廓。
- 它只需要极少量的、缓慢且昂贵的“外科医生”数据（仅针对那些棘手的环节）来修正错误。
- 结果： 与仅使用快速手持数据相比，机器人在困难任务中的成功率提升了高达 36.7%。它达到了几乎与完全由慢速外科医生训练出的机器人相当的效果，但收集数据所花费的时间和精力却仅为后者的一小部分。
简而言之
这篇论文解决了一个权衡问题：速度与精度。他们没有在两者之间做选择，而是构建了一个系统，利用“快速且粗糙”的数据处理简单部分，并仅在关键的、涉及接触的时刻调用“缓慢且完美”的数据。这就像是雇佣一名导游来进行步行游览，但只有当汽车坏掉时才请来一名专业技师。
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。