Recoleta Item Note
RoboRouter: Training-Free Policy Routing for Robotic Manipulation
RoboRouter提出一种 免训练 的机器人策略路由框架，不再追求单一通用策略，而是为每个操作任务从现有异构策略池中选择更合适的策略。其核心思想是利用历史执行经验、相似任务检索和执行后反馈，在仿真与真实机器人上稳定超过单个策略。
Summary
RoboRouter提出一种免训练的机器人策略路由框架，不再追求单一通用策略，而是为每个操作任务从现有异构策略池中选择更合适的策略。其核心思想是利用历史执行经验、相似任务检索和执行后反馈，在仿真与真实机器人上稳定超过单个策略。
Problem
- 机器人操作领域已有VLA、VA、代码式组合等多类策略，但各自在特定任务上强、跨任务泛化弱，没有单一方法能全面胜出。
- 如果每次都运行所有候选策略再试错，代价太高；而为路由器再训练一个新模型，又会带来数据、训练和持续集成新策略的成本。
- 这个问题重要，因为机器人系统正在快速积累大量现成策略；若不能高效组合这些“专家”，系统能力和可扩展性都会受限。
Approach
- 维护一个异构策略池和一个历史执行数据库；面对新任务时，不重新训练，而是先构建任务的多模态表示（指令、图像、视觉模型抽取的元数据）。
- 通过向量检索找到相似历史任务，再由LLM式Router根据这些记录和各策略的总体表现，直接预测当前最可能成功的策略。
- 执行后，VLM式Evaluator读取视频帧与规则化指标（成功标志、耗时、距离、接触/对齐等），生成结构化反馈；Recorder把这些信息写回数据库和路由上下文，形成在线闭环改进。
- 新策略接入时，只需在少量代表性任务上做轻量评估并写入记忆，无需额外训练；任务聚类进一步减少了评测开销。
Results
- 仿真（RoboTwin 2.0）：在20个代表任务、每任务100次试验上，RoboRouter平均成功率79.85%，高于所有单一基线：ACT 55.90%、DP 51.05%、DP3 76.45%、RDT 60.35%、(\pi_0) 69.90%、Code as Policies 54.45%。
- 按论文摘要，RoboRouter相对单一策略在仿真中平均成功率提升超过3%；从表1看，相对最强单一平均基线DP3（76.45%），提升约3.40个百分点。
- 真实机器人：5个任务、每任务20次试验，RoboRouter平均成功率47%，高于ACT 26%、DP 18%、RDT 33%、(\pi_0) 34%。
- 按论文摘要，真实环境平均成功率提升超过13%；从表2看，相对最强单一平均基线(\pi_0)（34%），提升约13个百分点。
- 具体真实任务示例：Click Alarmclock上RoboRouter 10/20，优于RDT 8/20 和 (\pi_0) 8/20；Open Laptop上RoboRouter 9/20，优于最佳单一基线 8/20；Place Container Plate上RoboRouter 12/20，与最佳基线持平。
- 论文还声称路由带来的额外时延较小、执行效率基本保持，但给定摘录中的时间表格被截断，未提供完整可核对的具体数值。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.