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。
所属事件:FlowDAgger：用人类纠正数据适配机器人模型(2 条相关)→
「具身」频道最新
- Munro 发布 Cybercab 工程深度拆解视频 — yunta_tsai · 2026-10-27
- 奥斯汀 Robotaxi 车队规模持续扩张 — yunta_tsai · 2026-10-27
- 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27
- 极农用无人机配自动机巢：清洗充电加药全自主，要让每个农民拥有机器人 — pstAsiatech · 2026-10-27
- 丰田携 20 年技术积累入场，人形机器人赛道对垒特斯拉与中国厂商 — pstAsiatech · 2026-10-27
- 机器人学习学者 m_wulfmeier 加入 Mila 任兼职教师 — pcastr · 2026-10-27