清华 RoboCoach 用世界模型当教练,150 次演示把成功率从 13.3% 拉到 75%

Tsinghua · hf · 2026-10-01

长程机器人操作需跨任务复用技能,而靠追加端到端演示改进组合代价高昂。清华的 RoboCoach 用共享的动作条件世界模型 CoachWorld 充当主动教练:RIDI(路由-想象-诊断-改进)循环在其中运行可复用技能专家,用进度判官记录首个失败子任务,聚合记录决定采集哪些子任务演示、更新哪些专家适配器。

实验横跨两套仿真与两个真机平台,想象成功与实际部署成功在 22 个任务-策略对上相关性 rho=0.840。仅追加 150 个子任务演示,Franka 上成功率从 13.3% 升至 75.0%,AgileX 从 40.0% 升至 83.8%;训练出的专家还能迁移到四个未见组合,平均成功率 35.0%,而均匀采集演示的共享策略基线为 0%。