LC-IL：用语言批评从次优演示学机器人技能，7 项任务平均领先基线 7 个点

shaohua0116 · x · 2026-11-13

NTU 等机构团队在 CoRL 2026 workshops 提出 Language-Critique Imitation Learning（LC-IL），让机器人从「不完美演示」中学习：不再只看动作对错，而是用语言批评标注「该做什么、哪里出错、如何纠正」。

方法要点

• 语言标签生成器为演示数据逐帧生成三类结构化标签：任务进度、动作优劣、运动引导
• 微调 SmolLM2-135M 做 LLM-Captioner，可微分的批评损失（LC-loss）即插即用接入 BC 与 diffusion policy（LC-BC / LC-DP）
• 理论上该目标上界专家表现差距，测试时零额外开销

实验结果（7 项连续控制任务，50 rollouts）

• LC-BC 平均 67.7、LC-DP 72.6，均优于 BC、DPO、ILWD、DemIDIE 等基线约 7 个点以上
• 标签准确性最关键；语义 token 提供约 1.5 个点增益
• 在专家数据仅占 33% 混合质量数据下仍达 87%；最少仅 10% 专家数据也能到 92.6

原文链接 →

「具身」频道最新

• 自主停车机器人实拍演示，自动完成整套泊车动作 — DavidWells · 2026-11-13
• BoSS 基准发布:18 万+ 仿星器模拟数据助推生成式模型 — ZhongingAlong · 2026-11-13
• 有人把果蝇大脑接上合成器,教它唱《Bad Apple》 — Bedrovelsen · 2026-11-13
• CoRL 参会者观察：SuperMimic 走红，灵巧操作与触觉反馈进步显著 — KyleMorgenstein · 2026-11-13
• Outworld 推出机器人仿真平台，自研灵巧操作物理引擎 — ycombinator · 2026-11-13
• Y Combinator 系 Mantle 发布：AI 原生工厂机器人维保，已网罗 250+ 技师 — ycombinator · 2026-11-13

更多「具身」频道 AI 资讯 →