11月20日消息,觅蜂科技近日发布基于20万小时以上真机数据、2万多个任务记录及25款双臂机器人分析的研究,拆解具身Agent后训练中的数据质量问题。

研究指出,在具身模型训练中,预训练无本体数据帮助模型获得广泛视觉、语言和任务知识,后训练真机数据则进一步将能力对齐到具体机器人、任务和真实物理交互。后者容错率极低,直接影晌机器人动作策略。因此,一条示范即使“完成了任务”,也未必是有效训练数据。

研究重点揭示了三类表面成功、却可能让模型“学坏”的数据:一是“看不全”,机器人观测未覆盖决策依据,模型选臂接近随机;二是“对不上”,采集与部署校准不一致,关节零位误差可致真机测试全部失败;三是“走弯路”,操作员为弥补系统缺陷产生的停顿、绕行等多余动作,会被模型当成成功路径学习。

打开网易新闻 查看精彩图片

研究认为,坏数据源头多在采集系统设计阶段,涉及机器人本体选型、控制方式和延迟等。因此,数据质量管理应贯穿采集、监测和验收全链路;验收不能只看任务是否成功,还要看完成时间、轨迹连续性及决策信息是否完整。(路永丽)