浙大联合TeleAI提出GR-BC，用图搜索为机器人动作加权

用螺丝刀拧紧螺丝，听起来并不复杂。 但真正动手时，往往还要挪一点、转一点、退出来，再重新对齐。换成遥操作机器人采集数据，这个过程只会更考验耐心。即使是 “大国工匠” 般熟练的数采员，面对精细度要求极高的任务，也未必能一次交出从头到尾都足够丝滑的示范。一条最终成功的轨迹里，可能包含多次无效调整；一条最终因超时或碰撞而失败的尝试中，却也可能有几步对齐做得很好。 这给视觉语言动作模型的后训练提出了一个问题：如果数采员自己都很难采出一条近乎完美的轨迹，机器人应该向什么样的经验学习？ 浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）& 伽马智能白辰甲团队，围绕这个问题提出了 Graph-Reweighted Behavior Cloning（GR-BC）。 团队考虑的是另一种可能：一条更好的成功路径，未必完整存在于某一次示范中，却可能隐藏在多次尝试之间的连接关系里。把这些经验放进同一张图，能否先在图的 “脑海” 里找到一条更好的路，再由图担任裁判，指导机器人学习值得模仿的动作？ 目前，该工作已被 CORL 2026 接收，论文与代码已公开。 论文标题：Graph-Reweighted Behavior Cloning with Human Interventions for Precise Robotic Manipulation 论文链接：https://arxiv.org/pdf/2610.20504 项目主页：https://gr-bc.github.io 代码链接：https://github.com/Gamma-Robot/GR-BC 核心方法：用图检索进度，再为动作加权 图 1｜GR-BC：构图、反向搜索、加权训练与新轨迹回流。 第一步：把分散经验连接起来 要评判一个动作好不好，首先需要知道，机器人当前距离任务完成还有多远。团队观察发现：精细任务中的进度，具有很强的任务内相对性。把同一任务的多次尝试放在一起，利用它们之间的联系，可以为进度判断提供更具体的依据。 GR-BC 使用冻结的 MCR（manipulation-centric representation）视觉编码器提取三个相机视角的表征，与夹抓状态结合，共同编码图中节点。 边有两种。时间边连接同一轨迹上按固定间隔抽样的相邻的节点，代价等于跨越的帧数，因此图上的距离天然对应真实的物理时间。 相似边则负责把独立的轨迹桥接起来，需要同时满足三个条件：在每个相机视角中互为 K 近邻、夹爪状态一致、以及按局部尺度归一化后的距离小于阈值。归一化用的局部尺度，是该节点相邻一次转移的视觉距离，这让阈值在不同任务、不同视角下保持一致的物理含义。 图 2｜多视角状态表征、夹爪状态与跨轨迹连边。 第二步：从成功终点反向搜索 GR-BC 借鉴强化学习中的 cost-to-go 和图搜索思想，将进度转化为：从当前状态出发，沿着已有数据支持的路径，到成功还需要多少步？图构建完成后，算法从成功终点出发，使用反向 Dijkstra 搜索，计算各状态到成功的最小图路径代价记为剩余步数，其搜索结果只落在稀疏的节点上，随后线性插值把它铺到每一帧，从而与 VLA 的稠密监督对齐。 图 3｜螺钉拧紧与显卡插装：动作、图检索进度和权重的对应变化。 第三步：同时检查净进展与中途回退 剩余步数被映射为 0—1 的图检索进度（GRP）。每个动作块需同时通过两道检查：净进展超过阈值，且相对起点的最大回退未超限。通过者获得有上下界的正权重，其余权重为零。 公式 1｜动作块权重规则，截自论文第 6 页式（8）。 Δ 表示终点相对起点的净进展，d 表示起点进度减去块内最低进度。权重直接乘在原有 VLA 监督损失上，无需改动架构；零权重片段不贡献梯度，对应状态仍留在图中。GR-BC 想实现的，是无外界干扰情况下策略丝滑的完成精细操作，有外界干扰情况下，策略将自主调整并展现恢复能力。 图 4｜净进展与中途回退如何影响动作片段的训练权重。 每轮执行后，新收集的成功、失败与介入轨迹加入数据池。系统扩展图、重新搜索并更新权重，再离线训练下一轮策略。新经验也能改变旧片段的学习价值，无需额外训练奖励模型、或进度预测器。 图 5｜GR-BC 的离线迭代表现 实验结果：四项精细操作，平均成功率约 91% 真机实验覆盖四孔零件装配、显卡插装、双螺钉拧紧和内存条插装。其中，DDR4 插槽开口约 1 毫米，对位置与姿态对齐提出了更高要求。 图 6｜四类真实机器人任务的操作与鲁棒性扰动演示。 主实验以 X-VLA 为骨干，各方法从相同的行为克隆检查点出发。GR-BC 在上述四项任务上的最终成功率依次为 98%、93%、89% 和 83%，平均约 91%；类 DAgger 等权聚合基线平均为 64%，相差约 27 个百分点。 图 7｜X-

来源只提供摘要，完整内容请打开原文。