KAIST 提出 QCP：机器人策略可实时调控执行质量
kaist-ai · hf · 2026-11-02
KAIST、LGE 与 Microsoft Research 的论文提出 Quality-Controllable Policy（QCP），解决机器人策略评估只看二元成功信号的问题：真实部署中执行速度、动作平滑度等质量属性需要按任务动态调整。方法与结果：
- QCP 支持在推理时对单个质量属性及其组合进行实时控制。
- 提出迭代事后重标注（iterative hindsight relabeling）循环：按目标质量标签收集在线 rollout，把成功轨迹加入数据集，按实测质量重标注后再精调策略。
- 在 Robomimic 和 RoboEval 上，QCP 迭代中持续提升执行质量与成功率，产出超过初始示范质量的 rollout，并在真实操作任务上完成验证。
「具身」频道最新
- Harness Pro 用 ESP32-P4 做出 AI 编码 Agent 桌面监控屏 — dee_hw · 2026-11-02
- ANYbotics 防爆四足机器人 ANYmal X 开始向客户交付，全球首个 — lukas_m_ziegler · 2026-11-02
- 影溯落地全国首个具身仿真数采中心，目标单月产 100 万小时机器人训练数据 — 智东西 · 2026-11-02
- 浙大联合 TeleAI 提出 GR-BC：从多次不完美示教中拼出更优轨迹，精细操作成功率约 91% — 机器之心 · 2026-11-02
- 内存涨价三倍，特斯拉把 Optimus 大脑内存砍掉三分之一 — aakashgupta · 2026-11-02
- 周末懒得整理桌面？博主让机器人代劳清理全程实拍 — flngr · 2026-11-02