机器人基础模型自我提升：Q-Planning将成功率25%提至80%
chris_j_paxton · x · 2026-08-26
针对机器人基础模型在困难任务上表现有限（如25%成功率）的问题，Q-Planning 提出了一种基于学习的“挽具”（harness）。它通过为大型视觉运动BC策略配备一个小的离策略Q函数，在不更新BC权重的情况下实现自我提升。
核心机制：
- 推理时：冻结的BC策略采样N个候选动作块，Q函数对其评分，执行加权平均的单步动作。
- 训练时：将成功和失败的轨迹加入回放缓冲，仅微调Q函数。
效果：
- 在LIBERO和双臂RoboTwin基准上，10次迭代将所有测试分数提升（如LIBERO-10从93%→99%，RoboTwin从83.8%→91.4%）。
- 在两个接触丰富的真实双臂机器人任务中，纯靠自主循环（无人类干预）实现了性能改进，仅耗时约30分钟。
所属事件:Q-Planning 让机器人策略自我改进，成功率从 25% 提升至 80%(2 条相关)→
「具身」频道最新
- SEAR 首次大规模对照研究：7 个前沿 LLM、330 项任务检验自进化机器人 — xiye_nlp · 2026-10-16
- 播客对谈：海底机器人的 1500 米深水创业与蓝碳生意 — blakemenezes · 2026-10-16
- 索尼推出 5900 美元镀金 Walkman，主打 AI 音质增强 — Polymarket · 2026-10-16
- 比利时 ROBIB 机器人聚会 11 月 19 日回归，主题从 Elekto 到 Physical AI — MarwaEldiwiny · 2026-10-16
- VLX-Go 论文：多阶段训练让机器人跟踪目标人物抗干扰成功率大增 — omlab · 2026-10-16
- Ledger 发布 Atom 安全设备：AI Agent 操作须物理按键批准 — adamamcbride · 2026-10-16