面向精密机器人操控的结合人类干预的图重加权行为克隆

基于摘要分析。本文研究长时程精密机器人操控中混合质量轨迹的利用问题，提出 Graph-Reweighted Behavior Cloning（GR-BC），对 vision-language-action（VLA）模型进行离线迭代后训练。核心贡献是按动作片段对任务推进的实际作用分配训练权重，而非均匀模仿成功轨迹或整体丢弃失败轨迹。 方法在示范数据及迭代收集的 rollout 上构建任务条件化的目标可达性图，纳入带有人类干预的成功与失败回合。反向图搜索计算数据支持范围内到达任务成功所需的最少剩余步数，并根据动作片段执行后这一势能的减少程度进行加权。由此，失败轨迹中的可恢复片段可以被复用，人类干预可作为恢复路径，成功轨迹中局部倒退的片段则被降权。新增 rollout 通过追加图节点或连接所对应的数据并重新搜索纳入框架；摘要未说明具体图构建方式。作者称该过程无需训练奖励模型、以动作为条件的 critic 或进度预测器，也无需轨迹比较或进度标签。 作者报告，在四项精密操控任务、三个 VLA 主干上，GR-BC 相比单轮监督微调有所改善，并在若干轮离线迭代后达到 91% 成功率。摘要未交代该成功率对应的任务汇总方式、具体迭代轮数、评估次数及不确定性，不能视为各任务或各主干均达到该水平。图节点与边的定义、跨轨迹连接依据、权重映射、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：该机制可能适用于具有明确目标状态、动作序列及纠错干预记录的闭环 BCI 辅助操控，而非直接用于静态 EEG 分类。可复用部分是图搜索与片段重加权；需改造状态表示、目标判定及动作时间对齐。低信噪比、跨被试差异、通道变化和小数据可能导致错误状态连接与不可靠权重。一个可证伪的小实验是在同一批带纠错记录的闭环轨迹上，对比均匀行为克隆与图重加权，固定训练预算并按回合隔离训练和测试，检验成功率及恢复表现是否改善。已有 EEG 相关工作尚未检索确认。