26年9月来自Axis Robotics创业公司的博客文章“Beyond More Tasks: Axis Is Building a Composable Library of Robotic Capabilities“https://axisrobotics.ai/blogs/blog/beyond-more-tasks-axis-is-building-a-composable-library-of-robotic-capabilities。这篇博客的核心思想是把“可靠、可复用的技能”作为机器人学习的扩展单位让技能既能组合执行复杂任务也能持续产生训练数据。 这个方向有工程价值但文章展示的实验结果还不足以证明它已经解决了通用化和规模化问题。主要提出三项进展它进一步设想将专家积累为技能库一方面交由上层智能体调度另一方面为统一的视觉—语言—动作模型VLA提供训练数据使专门能力逐步转化为通用能力。最有价值的思想是把数据生产和能力建设联系起来。一个可靠技能有双重价值它可以直接完成工作也可以成为产生新训练样本的工具。因此评价体系可以从“收集了多少轨迹”推进到“增加了哪些可靠能力这些能力又降低了多少后续学习成本”。但这里有一个关键条件新技能必须带来可迁移的能力。如果每个任务都需要重新建模、调参和验证任务库扩大只是工程项目数量增加未必形成累积优势。沿着这条逻辑文章有五个值得深入追问的问题。1自我改进成立到什么程度让策略在实际执行中产生新数据再用这些数据改进策略是合理的学习闭环。机器人自己的行为会改变它后续遇到的状态这也是 DAgger 等交互式模仿学习方法关注的问题不过DAgger 通常依赖专家对访问状态提供监督不能直接等同于本文的方法。这里的结果理解为部署反馈驱动的策略迭代。要进一步支持“递归自我改进”的强主张需要回答连续多轮迭代后性能是否持续上升还是很快进入平台期谁判断执行成功、重置环境、处理失败人工参与了多少改善来自增加真实数据还是其闭环采集方式特别有效尤其要注意只学习成功轨迹可能偏向原本就容易完成的场景。如果某类情况始终失败就无法靠收集成功样本自然补齐。系统还需要探索、纠错或针对性补数据的机制。2数据筛选的关键是能否保留“现在难、未来有用”的数据。代理模型筛选数据有实际意义重复数据未必提供新信息部分样本也可能包含噪声。但小模型认为没用的数据大模型未必用不上。例如复杂接触和失败恢复轨迹可能很难学习却对部署非常重要。如果筛选过程偏爱简单、稳定的成功动作平均指标可能提高能力覆盖反而收窄。希望看到三种对照相同数据量下与随机采样比较、相同训练算力下与全量数据比较以及在未参与筛选的新任务上比较。这样才能区分收益究竟来自更好的数据选择、减少噪声还是训练预算分配的变化。3“可组合”是全文最重要、也最难成立的一环。两个技能各自可靠不代表它们接起来也可靠。举例说“抓住杯子”已经成功但杯子的朝向和抓握位置可能不适合下一步“倒水”。真正的组合能力需要明确什么状态下可以调用这个技能执行结束后能保证哪些条件成立当前状态不适合下一步时如何调整或恢复也就是说需要保证前一个技能的输出状态落在后一个技能能够处理的范围内。长任务还会累积失败风险。作为简化示例假设每一步在前面都成功的条件下成功率均为 99%且没有重试连续 50 步全部成功的概率只有约 61%。因此恢复机制、完成检测和重规划可能比单个技能再提高一点成功率更重要。上层语言模型也必须知道技能当前是否可执行而不能只生成逻辑上合理的步骤。SayCan 已经研究过用技能的可执行性约束语言模型规划说明这一架构有研究基础Axis 需要证明的是规模、可靠性和成本上的进一步优势。4专家库扩大与通用能力形成是两个需要分别验证的目标。这条路线至少涉及三种不同能力把很多专家的行为训练进一个模型可能只是让它记住更多任务。要证明形成了通用能力需要预先留出新物体、新布局和新任务组合并检查是否仍需额外示范或微调。此外还有一个工程取舍分别保留专家便于局部验证和更新但调度复杂统一模型便于共享能力却可能出现任务之间互相干扰。两条路线可以并行探索不能假定蒸馏后会自然兼得全部优点。5成本和成功率需要统一评价口径。判断经济价值时问问“交付一个真实环境可用技能的总成本”。除了训练算力还应包含仿真资产、任务定义、示范、失败训练、真机测试、环境重置和后续维护。成功率同样需要知道测试环境、试验次数、任务分布和人工干预情况。特别是不能把真机迁移实验与专家训练实验的数字直接拼接成一个结论必须先确认它们是否对应相同任务、相同观测条件和相同测试标准。这是一条值得验证的机器人能力生产路线目前更适合作为技术路线声明来阅读。 最有说服力的下一步证据是在统一的真机测试下展示技能库扩大后未见任务的完成率提高、人工介入减少、新技能交付成本下降。三者如果同时成立才能说明“更多技能”确实正在转化为“更强的通用能力”。
