跳到正文
arXiv · 机器人与计算机视觉· Xuhui Kang, Sung-Wook Lee, Yan Zhuang, Tianle Zhong, Yen-Ling Kuo·· 2026-10-12AI 评分72

RARA:基于检索锚定表示对齐的鲁棒策略微调

RARA: Robust Policy Fine-Tuning through Retrieval-Anchored Representation Alignment for Robotic Manipulation

AI 导读

针对预训练机器人策略(如 VLA)在新任务少样本适应中易发生表示漂移的问题,本文提出 RARA 方法。该方法分两阶段进行:首先从预训练数据中检索具有相似意图和动作的特征并进行对齐;其次在目标演示上微调策略时限制检索特征的变化。实验表明,RARA 在 RoboTwin、RoboCasa 及真实机器人上的平均成功率分别提升 9.5 个点和 13.6 个点,优于所有对比基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org