具身智能全文深读与原图讲解

ARC：只在将要失败时修正冻结机器人策略

少量人工干预如何分别回答何时、沿哪些方向、修正多少？

Adaptive Residual Correction 论文作者团队预印本首发 · 近7日补收 2026.10.27

论文公开 · 实现开放待核

IN A NUTSHELL

把机器人残差控制拆为干预时机门、低维修正子空间和自主强化学习。三个真机任务各12次测试平均成功率33.3%→75%；人工干预主要教门与方向，不是直接把所有人工动作塞进RL回放。

图解主要方法

少量人工干预如何分别回答何时、沿哪些方向、修正多少？

1
图1底座：冻结已有ACT策略
基础ACT控制Miroki机械臂七关节及相关末端动作，每任务约55条示教。部署时基础动作加一个受门控制的残差；门关闭时严格回到基础策略，避免始终修正破坏原本已会的动作。
2
WHEN：学习干预之前的状态
每任务8–10条稀疏人工介入轨迹，把介入前五帧标为危险信号，排除已经处于人工控制的状态。按完整轨迹交叉验证阈值并加滞回，防止频繁开关；门学习的是何时需要帮助，而不是看见纠正后姿态才触发。
3
WHERE：从人工修正提取低维方向
对残差的未中心化二阶矩作特征分解，得到固定线性基与尺度，三个任务分别用3/2/2维保留97.3%/96.0%/97.7%的能量。它保留常用纠正方向，同时也限制了从未示范过的救援动作。
4
WHAT：自主回放学习残差大小
在固定门和基上，用两轮自主采样及TD3多步奖励训练，加入小残差正则；人工轨迹不作为RL回放。探索方向按整段固定，回放存真实经过限幅执行的残差，防止训练动作与机器人动作不一致。

已阅读全文正文、方法和实机实验，核对实验条件与原图；未独立复现。

来源证据每方法每任务12次：托盘7/12→12/12，记号笔3/12→7/12，杯子2/12→8/12；合计12/36→27/36，即33.3%→75%。三个真机任务 ↗

我的解读我的解读：小样本内改善大，但不是跨物体的大规模可靠性验证。托盘已满分也不代表新位置或新接触条件满分。

来源证据介入前状态训练的门在专门测试10/10触发，人工控制状态训练门0/10；记号笔AUROC .853但AUPRC .137，正例率 .037，检出17/36。七维监督残差基线为3/5/3次成功。门与残差对照 ↗

我的解读我的解读：10/10是检测，不是任务成功。完整方法与监督基线同时改变学习机制和子空间，不能把全部提升都单独归因于RL。

论文公开；本次未核实对应完整代码、权重及明确实现许可，不以论文公开代替开源状态。

LICENSE作者版权；arXiv非独占托管许可

独立分析 · 未复现实验

我的判断：时机、方向、幅度分解让少量人类知识进入最需要的环节，并保留冻结策略正常工作区域，适合局部接触失败修复。

低维空间和门依赖同一操作者的干预风格，可能漏掉新型故障；正例稀少时AUROC容易显得好看，AUPRC与实际召回更重要。12次试验的置信区间很宽。

这是有实机证据的局部修正方案，尚不等于无需人类的通用在线自我改进。

未执行的验证方案：用完全相同的低维基比较监督残差与TD3，额外加入无门和随机门；新操作者、新起点各100次，报告成功率、门召回、错误介入次数和最大接触力，验证收益来自哪里。