PACT提升机器人GPU装配安全性
stepjamUK · x · 2026-07-20
PACT 把机器人装配 GPU 这类精细任务中的“物理安全”当作后训练对齐问题来处理。
- 用预训练扩散策略的自有 rollouts，把策略投影到满足约束的可行区域。
- 不需要示范数据、奖励函数，也不依赖测试时的安全护栏。
- 方法是在每个 diffusion timestep 注入稠密的约束梯度，并用 curriculum 逐步收紧约束。
- 结果上，在 7 个仿真双臂基准和 4 个真实任务里，安全违规平均下降 31%，任务成功率提升 30.7%。
- 在真实 GPU 装配任务上，安全率提升 36%，任务进度提升 47%，是所有任务里收益最大的一个。
核心结论是：约束梯度注入的位置，比单纯堆算力更关键。
所属事件:PACT框架提升机器人GPU装配安全性(2 条相关)→
「具身」频道最新
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27
- GPT-6 Astra 零微调操控灵巧手：500 试仅 26 次成功，成功率 5.2% — stingning · 2026-10-27
- 灵巧操作基准 HandsOn 发布:66 个人工核验任务配 1.8 万条人类示范 — stingning · 2026-10-27
- HandsOn 基准发布：66 个任务、1.8 万条人类演示的灵巧操作平台 — stingning · 2026-10-27
- HandsOn 评测设计：Core-50 测执行，Transfer-16 测零演示迁移 — stingning · 2026-10-27
- HandsOn 基准成绩：最好策略仅 29.1%，工具使用成功率低至 2.9% — stingning · 2026-10-27