在长时域技能衔接处诊断并恢复观测空间偏移

arXiv:2610.10810v1 公告类型：cross 摘要：长时域机器人操作通常通过串联独立训练的技能来构建。尽管每项技能单独运行时都很可靠，但将技能串联后，性能会急剧下降：每个下游技能必须从其前序技能留下的状态开始，而不是从自身的训练分布开始。我们研究了这种失败模式——观测空间偏移（Observation-Space Shift，OSS），并探究导致技能衔接失败的原因。借助特权模拟器重置，我们发现，主要的偏移来自场景状态的偏移（例如抽屉处于打开状态，或前序技能遗留下来的次要物体），而不是来自机器人的关节构型或下游技能所操作的物体。为验证这一诊断，我们构建了一个完全学习得到的“检测—恢复—继续”系统：任务进度监视器检测停滞，学习策略恢复发生偏移的场景组件，并通过针对衔接鲁棒性的微调使技能得以继续执行。在所有测试的替代方案均失败的情况下，该系统成功恢复了衔接处的执行；我们将此视为支持上述诊断的证据，而非一种通用方法。在 BOSS-44 基准上，该系统将完整技能链的成功率从 7.6% 提升至 26.5%，相较基础策略提升 3.5 倍，并达到特权恢复 oracle 的 51%；而 best-of-K 重采样、Diffusion Policy 和世界模型基线均无法从评估的衔接状态中恢复。在真实 Franka 机械臂上运行经过微调的 $\pi_{0.5}$ 策略时，同一个监视器受到外部摄像头可观测性的限制，但闭环控制仍能恢复部分原本会终止的失败案例，这表明有必要加入腕部和夹爪传感。结果表明，对于某些长时域组合失败，与其从不在训练分布支持范围内的状态重试，不如先恢复场景，再继续执行策略。