发生了什么
11月9日,美团机器人团队(Meituan Robotics Team)在arXiv发布技术报告,介绍其视觉-语言-动作(VLA)基础模型及具身智能体系统Meituan-Robotics-0,简称MR0。它面向的是“固定底座的桌面操作”,也就是机械臂在桌面上抓取、放置、插接等精细任务,这是工厂工位、仓储分拣和服务场景里最常见的一类动作。
关键细节和数据
数据是MR0的地基。团队组合了1.47亿条视觉-语言样本,以及覆盖12种机器人本体、经过筛选的15060小时机器人轨迹。机器人数据又分三部分:整理自开源真机数据的RoboDesk约3235小时,覆盖七种机器人配置的授权真机数据7530小时,以及4295小时开源仿真数据。所有数据都做了时间与视觉过滤、运动学一致性检查和跨本体动作统一。
训练分三个阶段:先用离散动作Token预训练,把多模态表征和机器人行为对齐;再用流匹配(flow matching)做中期训练,把这些先验迁移到连续的跨本体控制上;最后在真实环境中做后训练。
报告最有新意的是一种叫Rollback的数据收集机制:当策略执行出错、由人接管时,系统同时保留被替换掉的那段策略动作和人的纠正动作,形成“一正一负”的配对样本,用来训练CFG-DAgger,从而不必额外学习价值函数或标注优势值。工程上,MR0用统一的末端执行器接口兼容不同本体,并用异步动作块合并,在推理延迟波动时仍能平滑执行。上层还有一个事件驱动的智能体,持续记录任务事件,只在进度或可行性变化时重新规划,支持跨任务检索,以及在条件暂时不满足时挂起、恢复任务。
成绩方面,MR0作为独立策略在仿真基准RoboTwin 2.0上平均成功率93.6%,在RoboDojo的VLA赛道按平均成功率排名第五。真机上,在相同的HG-DAgger后训练条件下,MR0在三项任务中的平均成功率和进度得分都高于Physical Intelligence的π0.5;在难度较高的网线插接任务上,用Rollback数据训练的CFG-DAgger达到70%成功率、0.90的进度得分,优于在同一批数据上训练的HG-DAgger和RECAP。
为什么重要
具身智能的瓶颈之一,是真机数据贵、纠错数据更贵。Rollback把每一次人工接管都变成正负对比样本,相当于提高了“人教机器人”这件事的数据利用率。另一个值得注意的点是分层:底层策略只负责连续、反应式的动作,任务状态交给上层智能体管理,这种分工正在成为不少团队的共同选择。
影响和展望
美团此前在无人配送车和无人机上已有长期投入,MR0显示其机器人布局正向更通用的操作能力延伸。需要说明的是,这是一份技术报告,结果主要来自公开基准和团队自己的真机实验,泛化能力和实际部署效果仍有待更多第三方验证。
参考来源
发布者:极致前沿,转转请注明出处:https://www.veryin.com/4487.html