行为图：用于解读机器人部署数据的无监督图结构

arXiv:2611.00405v1 公告类型：交叉发布 摘要：数据飞轮有望通过从部署数据中获取洞见来实现持续改进。了解已部署模型如何成功以及如何失败，可以引导后续数据收集，以弥补失败之处并巩固成功表现。然而，机器人部署会产生大量高维策略执行轨迹数据，这些数据难以理解，也难以据此有把握地作出数据收集决策。为使部署数据更易于分析并转化为行动，我们提出了行为图，将策略执行轨迹压缩为一张可解释的有向图。我们通过学习识别不同执行轨迹中的相似行为模式，按时间顺序连接这些行为，最后将其与结果关联起来，从而构建行为图。在一项涵盖三个真实世界任务的用户研究中，参与者通过分析执行轨迹来选择数据收集策略。18 名参与者中有 16 名更偏好行为图，而非执行轨迹视频；他们得出了相近的结论，同时感知到的时间需求降低了 40.3%，所需努力降低了 37.6%。除了提升部署数据的可解释性，行为图还具有出色的进度预测能力：在 43 个数据集上，相较于最强基线，行为图将预测进度与真实时间顺序之间的秩相关性提高了 22.9%，并将平均绝对误差降低了 53.5%。随着已部署机器人的数量增加，行为图为高维策略执行轨迹赋予结构，使部署数据更易于解读和推理。