ES
TOPS mejora el éxito robótico con trayectorias de flujo por tarea
TOPS: Reshaping Flow Source and Transport for Multi-Task Robot Manipulation · arXiv:2610.36694
En palabras sencillas
Se puede pedir a una política robótica que realice muchas tareas distintas, pero una política estándar basada en flujo empieza cada tarea con el mismo tipo de acción aleatoria y sigue el mismo recorrido para llegar a la respuesta.
TOPS da a cada tarea conocida su propia distribución inicial y ajusta el recorrido hacia las acciones demostradas. En una prueba simulada de diez tareas robóticas, su éxito medio fue mayor que el de Standard Flow Matching, aunque la comparación también usó distintas condiciones de continuación del entrenamiento y distintos pasos para generar acciones.
La investigación
Una política robótica compartida debe producir movimientos distintos según cada instrucción, pero las políticas de flujo convencionales parten de la misma distribución y siguen el mismo recorrido para todas las tareas.
¿Puede ayudar a la política a completar más tareas adaptar el punto de partida de la generación de acciones y la forma en que avanza hacia las demostraciones?
TOPS ajusta una distribución inicial para cada tarea y modifica el recorrido hacia las acciones demostradas; después elige ambos elementos a partir de la instrucción robótica.
Para construir estas opciones, los autores ejecutan hacia atrás secuencias de acciones demostradas a través de una política de calentamiento, ajustan una distribución inicial multimodal para cada tarea y modifican la interpolación en las direcciones donde las acciones demostradas varían más que las muestras iniciales.
En la simulación LIBERO-10, TOPS obtuvo un éxito medio del 69,67% en tres ejecuciones de entrenamiento, frente al 53,44% de Standard Flow Matching; usó un paso de generación frente a diez.
El resultado respalda la adaptación del proceso de generación en este entorno evaluado. Una comparación que mantiene fija la distribución inicial también favorece añadir conjuntamente la programación y su método de inferencia correspondiente, pero no permite aislar el efecto de cada uno.
La comparación en LIBERO-10 también cambia el entrenamiento de continuación y el método de inferencia de TOPS, y el artículo no especifica si la variante Standard FM parte del mismo punto de control.
El resultado respalda la configuración evaluada, pero no demuestra una mejora en todas las tareas ni permite aislar el efecto de un solo componente.
Qué muestran las pruebas
- El reto de una política compartida
TOPS es un método para políticas de flujo multitarea condicionadas por instrucciones de lenguaje. La pregunta es si una política robótica compartida puede manejar mejor tareas con distintos patrones de acción cuando la generación empieza con muestras específicas para cada tarea y sigue una trayectoria propia.
Las políticas de flujo convencionales usan una única distribución gaussiana inicial compartida y una trayectoria lineal común, por lo que la política debe recuperar las diferencias entre tareas desde la misma configuración inicial.
- Retroceder desde las acciones
Para examinar las diferencias entre tareas, los autores ejecutaron hacia atrás una política de calentamiento ya entrenada, partiendo de secuencias de acciones expertas y usando las observaciones e instrucciones originales.
En la simulación LIBERO-10, que evalúa la manipulación robótica en diez tareas, una visualización mostró grupos de tareas parcialmente superpuestos y subgrupos dentro de algunas tareas. Esta proyección sugiere que hay estructura en las muestras obtenidas mediante reverse-mapping, pero no mide por sí misma el éxito de las tareas.
- Trayectorias para cada tarea
TOPS ajusta una distribución inicial multimodal a las muestras de cada tarea obtenidas mediante reverse-mapping y la compara con la variación de las acciones demostradas. Modifica más la trayectoria en las direcciones donde las demostraciones varían más que las muestras iniciales: avanza despacio hacia las demostraciones al principio y más rápido después. Las fuentes y los calendarios se construyen sin conexión, se mantienen fijos durante el entrenamiento de continuación y se seleccionan según la instrucción.
- Qué muestran las comparaciones
En LIBERO-10 simulado, el éxito significa completar una tarea de manipulación. En tres ejecuciones de entrenamiento independientes, TOPS obtuvo un éxito medio del 69,67%, frente al 53,44% de Standard Flow Matching. TOPS usó un solo paso de generación que tiene en cuenta el calendario y Standard Flow Matching usó diez; ambos compartieron el marco de política y un presupuesto de 600 épocas.
Un control que mantiene fija la distribución inicial también respalda una contribución conjunta de la programación y su método de inferencia correspondiente, aunque no permite separar sus efectos.
- Evidencia con una política mayor
Los autores también aplicaron TOPS a la política de mayor tamaño π0.5 en LIBERO-Plus, que evalúa la finalización de tareas bajo condiciones modificadas. En seis categorías informadas, ponderadas por el número de variantes y sin incluir los cambios de cámara —donde todos los métodos obtuvieron cero—, el éxito pasó del 64,4% de la línea de base al 69,0% con TOPS.
Estos resultados amplían la evidencia a otra política y otro entorno, pero no evalúan tareas con identidades que no se hayan visto.
Detalles
- Autores del paper original
- Tuo An, Chuhao Zhou, Jiahua Dong, Jingliang Li, Jiaqi Bai
- Enviado a arXiv
- Licencia
- arXiv non-exclusive