具身智能全文深读与原图讲解

PRIME：沿可达演示路径衡量机器人进度

距离目标近，不一定代表操作真的向前推进

清华大学 BNRist预印本首发 · 近7日补收 2026.10.16

论文公开 · 实现开放待核

IN A NUTSHELL

PRIME 把演示构造成由机器人状态和视觉相似性共同约束的图，以到成功节点的最短路径定义进度。它改善了精密装配演示的筛选和仿真奖励，但真实机器人部分是离线行为克隆，不是在线强化学习。

图解主要方法

距离目标近，不一定代表操作真的向前推进

1
建立受状态约束的演示图
图3中的每个节点包含多视角图像、末端三维位置与两指状态。时间相邻节点连接成演示轨迹，跨演示连接还必须满足机器人配置与 DINOv3 视觉相似要求，以减少把看起来相近却不可直接互换的状态接在一起。
2
用到成功的路径长度定义进度
边权由末端位移加手指运动构成，Dijkstra 求到成功节点的最短距离。未来窗口的距离减少量作为局部进度，允许负值，因此退回、纠偏不会被机械地当成时间越晚越好。
3
分别服务离线筛选和在线仿真
真实实验按进度给演示片段加权，再训练 π0.5 行为克隆；仿真则训练视觉语言距离估计器，以预测距离差与成功信号组合成奖励。图构建、视觉回归、策略学习是不同成本，不能只报最短路计算时间。

已阅读正文与全部公开附录，核对实验条件与原图；未独立复现。

来源证据PiperX 的4类任务分别使用20/30/50/50条演示，每个条件30次测试。噪声插销33.3%→73.3%，困难插销20%→70%，充电插入10%→50%，抽屉86.7%→96.7%。真实机器人离线学习 ↗

我的解读困难装配收益明显，但充电任务只是3/30到15/30，有限次数的不确定性应保留；它不能证明真实硬件在线探索已经安全有效。

来源证据诊断集包含120个阶段对和120个局部状态对，局部判别92.5%对比基线70%；ManiSkill 训练200万步、3个种子，末100万步均值在两项任务为67.4±5.6及35.3±3.1。局部进度与仿真RL ↗

我的解读阶段排序与精密局部进度不同，专门测量后者是贡献；平滑性指标并非每项都最优，也不能只选最好指标描述。

来源证据困难插销完整方法70%，单位边权33.3%、去配置约束26.7%、直接欧氏距离56.7%。30万帧视觉特征提取约2893秒，图计算约19.08秒；另对20条新轨迹、200余跨轨迹边检查，有效比例99.4%。图结构消融与成本 ↗

我的解读边检查支持局部合理性但非全图可达保证；总成本绝不是19秒，视觉表征与数据覆盖是主要前提。

论文 CC BY 4.0；GitHub 当前仅 README、方法图和进度图三个文件，明确表示接收后发布代码。本轮不将展示仓库算作开源实现。

LICENSECC BY 4.0

独立分析 · 未复现实验

将进度建立在可连接的操作状态上，有助于分离重复演示中的真推进、停顿和倒退，对精密插入尤其相关。

演示覆盖不足或视觉别名会产生错误捷径；相似阈值与几何距离对不同任务未必通用。真实结果规模小，不能用仿真RL结果替代实际在线验证。

更适合先作为演示质量加权与进度诊断工具，再评估是否能作为可靠奖励。

未执行的验证方案：保留未参与图构建的物体与失败轨迹，检查错误捷径、负进度、跨任务阈值敏感性；对比等量人工筛选与自动加权，并单独记录在线干预次数。