Recoleta Item Note
RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks
RoboClaw 是一个面向长时程机器人操作的统一代理框架，把数据采集、策略学习和部署执行放进同一个 VLM 驱动闭环中。其关键思想是让机器人用成对的“执行-复位”动作自我重置，并在部署时由同一代理动态调度技能与恢复策略。
vision-language-actionlong-horizon-roboticsagentic-frameworkautonomous-data-collectionskill-orchestration
Summary
RoboClaw 是一个面向长时程机器人操作的统一代理框架，把数据采集、策略学习和部署执行放进同一个 VLM 驱动闭环中。其关键思想是让机器人用成对的“执行-复位”动作自我重置，并在部署时由同一代理动态调度技能与恢复策略。
Problem
- 现有 VLA 机器人系统在长时程任务上容易失效，因为数据采集、训练和部署通常彼此割裂，导致任务语义和状态分布不一致。
- 真实机器人数据采集严重依赖人工：示教、环境重置、故障监控、轨迹筛选和部署监督都很耗时，难以扩展。
- 长链条多技能执行中，早期小错误会级联放大；缺少运行时监督和恢复机制会让多策略系统非常脆弱。
Approach
- 用一个现成的视觉语言模型作为元控制器，结合视觉观测与结构化记忆，进行高层推理、子任务选择、工具调用和技能编排。
- 设计三层结构：Policies 负责底层动作生成，Tools 提供启动/切换策略与环境查询接口，Skills 负责把工具组织成可复用过程。
- 提出 Entangled Action Pairs (EAP)：把一个正向操作策略和一个逆向恢复/复位策略配成一对，形成“做完再撤回”的自重置循环，从而持续在线采集数据。
- 部署时沿用同一个代理闭环，持续检查子任务是否完成；若失败则重试、切换策略、调用恢复技能，必要时再请求人工介入。
- 执行阶段产生的轨迹也回流到训练集，形成统一语义下的生命周期闭环学习。
Results
- 论文声明：在真实世界长时程任务上，相比基线方法，RoboClaw 的任务成功率提升 25%。
- 论文声明：在机器人全生命周期中，人工时间投入减少 53.7%。
- 在相同数据量下，纯人工数据采集基线需要约 2.16× 的人工时间；在 rollout 期间需要约 8.04× 的人工干预，而 RoboClaw 大部分过程可自主完成。
- 逆向复位策略在 4 个单技能任务上的成功率分别为 36/50、38/50、43/50、39/50（Body Lotion、Primer、Lipstick、Tissue Wipe）。
- 正向操作策略经过 5 轮迭代后，4 个任务成功率从第 1 轮的 21/50、23/50、2/50、11/50 提升到第 5 轮的 43/50、40/50、23/50、26/50，显示在线采集与迭代优化有效。
- 图中还声称在 vanity table organization 长时程任务上，RoboClaw 明显优于端到端 VLA 基线以及“独立子任务成功率乘积”得到的期望成功率；结果基于 20 次试验，但摘录未给出完整基线数值。
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.