FlowDAgger：机器人靠纠正学习
oier_mees · x · 2026-07-16
## 核心结论 作者提出 **FlowDAgger**：不要直接微调机器人基础模型，而是利用**人类纠正动作**来学习如何“ steer ”已冻结的策略。 ## 关键方法 - 现代 VLA / world-action 模型在新机器人和新任务上适应很难 - 传统做法是在线模仿学习或再训练，但在小数据下容易破坏原有能力 - FlowDAgger 用 **action inversion**，把人类纠正动作映射回冻结生成策略的潜在噪声空间 - 再用这些潜在目标训练一个轻量控制器，完成部署期适配，同时不改底座模型 ## 结果 - 只需要 **5–20 次** 人类介入就能学习 - 在模拟和真机上都优于监督微调和潜空间强化学习 - 可用于 **VLA、diffusion policies、world-action models** - 在不修改预训练策略的前提下带来稳定改进 ## 其他信息 项目由 Microsoft Research 与 University of Washington 团队合作完成，附有论文、项目页和代码。