Stanford 论文 RoboArchitect 通过演化 harness 提升冻结机器人策略性能

斯坦福大学的一篇出色论文，主题是通过 harness 的演化来提升机器人性能。

他们不改变机器人策略的任何权重，就将其在未见场景中的成功率从 9.7% 提升到了 43.3%。

提升来自 harness。

RoboArchitect 将机器人的 rollout 数据交给一个编程模型。该编程模型诊断失败原因，并围绕冻结的策略重写控制代码。这段代码决定何时调用策略、何时使用视觉工具，以及何时直接指挥机械臂。

harness 在一组 episode 上进行优化，并在留出的场景和任务上进行测试。在未见任务上的成功率从 12.7% 提升到了 40.2%。

当基准任务与策略的训练数据相距甚远时，提升最为显著。在演化后的 harness 中，通用策略往往胜过同一策略的微调版本。

搜索还生成了诸如将卡死的机械臂抬离原位之类的控制例程，并加入了一种持久记忆，用来存储有效抓取深度等数值。

论文：arxiv.org/abs/2610.42141

与论文对话：academy.dair.ai/papers/roboa…