机器人并不等同于其描述：用于形态感知策略表征鲁棒性评估的 GaugeBench

arXiv:2610.07597v1 公告类型：交叉收录 摘要：机器人描述不仅规定了物理机构，还编码了任意选定的约定，例如关节轴方向、关节角零点，以及连杆和关节的顺序与名称。形态感知策略使用基于这些描述构建的接口，但跨具身评估通常会更换机器人，同时保持这些约定不变。这使得一个简单的问题仍未得到解答：当机器人保持不变而其描述发生变化时，其行为能否保持不变？GaugeBench 专门考察这一情形：在物理等价的约定下重写固定机构的描述，验证其物理特性和策略接口均得到保持，然后使用相同的策略权重进行评估。结果十分鲜明：三个 MetaMorph 策略在 80 个熟悉的机器人上得分为 4030.6，但当这些相同的机器人被等价地重新描述后，得分仅为 51.6；相比之下，在 98 个真正未参与训练的机器人上，得分为 1489.6。因此，新描述造成的损害可能比新机器人更大。对失效原因的追踪表明，仅反转轴方向就会重现性能崩溃，改变关节角零点几乎没有影响，而重新排序的影响介于两者之间；此外，仅改变关节状态和力矩的坐标表示就足以导致失效，而仅改变从描述中提取的特征则不会。同样的现象也出现在 ModuMorph 和一个无关的 PyBullet 框架中。不过，这种失效并非不可逆：两个描述之间的精确迁移能够恢复原始控制器，而在等价轴方向约定之间进行训练，可将轴方向反转时的回报保留率从 3.6% 提高到 80.6%。这些结果共同区分了机构鲁棒性与表征鲁棒性，并表明跨具身评估应同时测试这两方面。