具身智能Skill時刻！英偉達(dá)開源機(jī)器人技能庫，Jim Fan：范式變了

henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

6！機(jī)器人也能學(xué)Skill了。

剛剛，英偉達(dá)放出了一套能讓機(jī)器人持續(xù)成長的技能庫

ASPIRE

簡單理解，ASPIRE有點(diǎn)像一個機(jī)器人版Coding Agent。

就跟GPT能把你的prompt、工作記錄煉成可復(fù)用的skill一樣，它也會把機(jī)器人的一次次失敗和修復(fù)，沉淀成之后能繼續(xù)調(diào)用的經(jīng)驗(yàn)。

只不過，它review的不是代碼，而是機(jī)器人的操作過程

每當(dāng)機(jī)器人執(zhí)行任務(wù)時，ASPIRE就會把感知、導(dǎo)航、抓取、碰撞、運(yùn)動規(guī)劃這些過程都記下來。

它背后調(diào)用的GPT / Claude則會像研究員一樣，判斷任務(wù)中哪里出了問題，迭代程序。如果跑通，就把沉淀出來的經(jīng)驗(yàn)寫進(jìn)Skill。

由此，機(jī)器人就可以通過寫代碼、看執(zhí)行軌跡、修程序、沉淀技能來持續(xù)學(xué)習(xí)。

而這，可不光是在機(jī)器人經(jīng)驗(yàn)中煉化Skill這么簡單。

英偉達(dá)機(jī)器人主管Jim Fan還表示ASPIRE代表了一種全新的持續(xù)學(xué)習(xí)范式

其中：

• 訓(xùn)練，從梯度下降變成了不斷打磨技能（Skill Refinement）；
• 訓(xùn)練好的模型，對應(yīng)的也不再只是一堆浮點(diǎn)權(quán)重，而是一個持續(xù)擴(kuò)展的機(jī)器人技能庫（Sensorimotor Skills）；
• 分布式訓(xùn)練，則變成了一群 Agent 各自練習(xí)不同技能，再把經(jīng)驗(yàn)匯總進(jìn)同一個技能庫。

訓(xùn)練出來的，不一定是權(quán)重

雖然開頭已經(jīng)介紹的七七八八，但在講怎么革新機(jī)器人訓(xùn)練范式前，咱先啰嗦幾句背景。

ASPIRE的全名叫Agentic Skill Programming through Iterative Robot Exploration

它能讓機(jī)器人用代碼執(zhí)行任務(wù)，失敗后看多模態(tài)執(zhí)行軌跡，再修程序，把修好的經(jīng)驗(yàn)存進(jìn)一個不斷變厚的skills library。

這里的Skill，雖然本質(zhì)上還是一段喂給大模型的上下文，卻沉淀著一套經(jīng)過驗(yàn)證的代碼修復(fù)經(jīng)驗(yàn)（Code Repair Pattern），讓機(jī)器人知道遇到某類問題時，該如何修改控制程序。

比如，當(dāng)機(jī)器人準(zhǔn)備拿起一個收音機(jī)時，已經(jīng)識別到了目標(biāo)，卻始終無法靠近時。

Agent能分析出來原因并非識別錯了，而是規(guī)劃器（Planner）給出的目標(biāo)點(diǎn)都落在障礙物的碰撞緩沖區(qū)內(nèi)。

由此，ASPIRE就會在這次經(jīng)驗(yàn)的基礎(chǔ)上，總結(jié)出一條新的Skill：

如果遇到這種規(guī)劃失敗，就嘗試從45°、90°、180° 等不同角度重新接近目標(biāo)，直到找到一條無碰撞路徑。

以后再遇到類似場景，無論目標(biāo)變成收音機(jī)、微波爐還是其他家具，這條經(jīng)驗(yàn)都可以直接復(fù)用，不必重新試錯。

說到這，你可能會好奇。 機(jī)器人訓(xùn)練，不應(yīng)該都是搞數(shù)據(jù)、梯度下降、模型權(quán)重、真機(jī)采集、仿真到現(xiàn)實(shí)遷移嗎？

怎么就突然成攢skill了？

這里要先講一個最近很火的范式，Code as Policy

跟VLA等端到端的策略模型不同，Code as Policy不讓模型直接輸出機(jī)器人動作，而是讓大模型寫一段可執(zhí)行的機(jī)器人控制程序。

程序里可以調(diào)用感知模塊、規(guī)劃API和控制原語，比如識別物體、規(guī)劃路徑、移動機(jī)械臂、執(zhí)行抓取。

這樣一來，機(jī)器人行為就不再完全藏在神經(jīng)網(wǎng)絡(luò)權(quán)重里，而是變成了可執(zhí)行的操作代碼。

有了代碼，就可以被現(xiàn)在強(qiáng)的離譜的Agent模型檢查、修改、調(diào)試、繼續(xù)優(yōu)化。

但過去，Code as Policy一直有兩個問題。

第一，機(jī)器人失敗了，系統(tǒng)通常只知道“任務(wù)沒完成”，卻不知道到底是感知錯了、抓取沒抓穩(wěn)、路徑規(guī)劃撞了，還是恢復(fù)動作出了問題。

第二，也是更關(guān)鍵的一點(diǎn)，它不會長記性

一個任務(wù)做完，調(diào)試過程中發(fā)現(xiàn)的修復(fù)方案、恢復(fù)策略、prompt寫法就被丟掉了，下次遇到類似問題，還得重來一遍。

這也是為啥Jim Fan說:

（有了ASPIRE）當(dāng)機(jī)器人完成第100個任務(wù)時，它終于不再像完成第1個任務(wù)時那樣一無所知。

說白了，這整個過程就跟人類機(jī)器人工程師一樣：

當(dāng)一個機(jī)器人程序失敗后，工程師會回放執(zhí)行過程，看感知結(jié)果，分析運(yùn)動軌跡，判斷到底是抓取錯了、規(guī)劃錯了，還是某個恢復(fù)動作沒接上。

修好之后，工程師會記下這次的經(jīng)驗(yàn)。下次再遇到桌邊物體、抽屜把手、窄空間導(dǎo)航，就不會再從零開始。

而ASPIRE做的，就是把這套經(jīng)驗(yàn)積累機(jī)制交給agent。它不只是讓大模型寫機(jī)器人代碼，更讓大模型在執(zhí)行環(huán)境里反復(fù)試、反復(fù)看、反復(fù)修，最后把驗(yàn)證過的修復(fù)經(jīng)驗(yàn)沉淀成Skill。

所以，在ASPIRE里，訓(xùn)練已經(jīng)不只是梯度下降。

訓(xùn)練過程變成了Skill Refinement；訓(xùn)練產(chǎn)物，也不只是模型權(quán)重，而是一個機(jī)器人不斷積累、不斷成長的Skills Library。

三階段pipeline

在論文中，這套思想被實(shí)現(xiàn)為三階段的pipeline。

首先是robot execution engine，也就是機(jī)器人執(zhí)行引擎。

傳統(tǒng)機(jī)器人程序失敗后，系統(tǒng)可能只告訴你任務(wù)沒完成。

ASPIRE會把失敗拆開，每一次感知、規(guī)劃、抓取、控制調(diào)用，都留下輸入、輸出、視覺證據(jù)和錯誤日志。

就像人類工程師調(diào)機(jī)器人時會回放視頻、看軌跡、查到底是感知錯了還是抓取崩了，而ASPIRE把這套動作交給coding agent。

接下來是skill library。agent修好程序后，不會把這次經(jīng)驗(yàn)丟掉，而會煉成可復(fù)用的知識。

官網(wǎng)技能庫里能看到很具體的條目，比如SAM3文本提示怎么寫、桌邊物體要多角度接近、抽屜把手怎么過濾假檢測、平面物體推動時該用哪種motion primitive。

這些不像傳統(tǒng)模型權(quán)重，它們更像機(jī)器人程序員的踩坑筆記。

最后是evolutionary search

一個agent不只沿著單條修復(fù)路徑往下試，系統(tǒng)會生成多條候選控制程序，讓它們進(jìn)執(zhí)行環(huán)境里跑，再根據(jù)幸存程序和失敗軌跡繼續(xù)迭代。

軟件工程里，coding agent已經(jīng)習(xí)慣了寫代碼、跑測試、看trace、改bug。ASPIRE做的事，就是把這套循環(huán)搬進(jìn)物理世界。

實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證這套方法，論文在三個經(jīng)典機(jī)器人基準(zhǔn)上進(jìn)行了測試，包括LIBERO-ProRobosuiteBEHAVIOR-1K，分別覆蓋泛化操作、接觸密集型操作以及長時家庭任務(wù)。

整體結(jié)果都比此前的Code as Policy方法明顯更好。

例如，在Robosuite的雙臂物體交接（Bimanual Handover）任務(wù)中，ASPIRE 將成功率從20%提升到了92%

二在泛化能力方面。

研究先在LIBERO-90上不斷積累Skill Library，再直接遷移到從未見過的 LIBERO-Pro Long長任務(wù)，中間沒有針對新任務(wù)繼續(xù)訓(xùn)練，也沒有更新技能庫。

結(jié)果顯示，隨著技能庫越來越豐富，機(jī)器人在新任務(wù)上的成功率也一路提升，從幾乎不會做，到最終達(dá)到31%。換句話說，Skill Library越厚，機(jī)器人越不像一個新手。

作者介紹

在技術(shù)博客的最后，英偉達(dá)也公布了完整的作者名單。

依舊是GEAR團(tuán)隊的老面孔：Jim Fan、朱玉可、Guanzhi Wang、石冠亞等人。

排在最前面的三位作者為共同貢獻(xiàn)。

其中，Runyu Lu目前是密歇根大學(xué)博士二年級學(xué)生，正在GEAR實(shí)習(xí)；Yuubo Wu來自伊利諾伊大學(xué)厄巴納-香檳分校（UIUC），Ethan Kou則來自加州大學(xué)伯克利分校，目前還是一名本科生。

值得一提的是，就在昨天，英偉達(dá)也宣布擴(kuò)大國內(nèi)機(jī)器人團(tuán)隊招聘，在北京、上海、深圳三地開放了不少崗位，覆蓋具身智能、仿真、機(jī)器人部署和解決方案架構(gòu)等方向。

感興趣的同學(xué)們，準(zhǔn)備簡歷吧！