arXiv cs.RO 机器人学· Xuhui Kang, Sung-Wook Lee, Yan Zhuang, Tianle Zhong, Yen-Ling Kuo·· 2 小时前精选AI 评分57
RARA：通过检索锚定表征对齐提升机器人操作策略微调的鲁棒性
RARA: Robust Policy Fine-Tuning through Retrieval-Anchored Representation Alignment for Robotic Manipulation
AI 导读
论文提出两阶段微调方法 RARA，先从预训练中检索任务意图与运动相似的表征并对齐目标演示的表征，再在微调时限制对检索演示表征的改动，以减少表征漂移。在 Diffusion Policy 和 GR00T 上对 RoboTwin、RoboCasa 的 13 项任务及真实机器人实验显示，RARA 使微调平均成功率在分布内提升 9.5 个百分点、分布外提升 13.6 个百分点，优于全部对比基线。
推荐理由
论文给出了分布内与分布外成功率的具体提升幅度，关注少样本微调的读者可据此判断方法收益。
来源：arXiv cs.RO 机器人学 · arxiv.org