来源笔记
Move-Then-Operate: Behavioral Phasing for Human-Like Robotic Manipulation
摘要
Move-Then-Operate 是一种视觉-语言-动作策略，把机器人操作拆成两个阶段：先移动到目标附近，再做精细的接触操作。在 RoboTwin2 上，这种分阶段设计明显优于单一的 pi_0 策略，并且用更少的数据和更少的训练步骤就能达到很强的结果。
问题
- 标准的 VLA 操作策略用同一个策略同时学习粗略接近和精细接触控制，但这两类行为的动作尺度和动力学不同。
- 论文认为，move 段在数据和梯度中占主导，这会让模型更难学到更小、但对任务成败关键的 operate 动作。
- 这对高精度操作很重要，因为失败往往发生在最后的接触阶段，这时微小的动作误差就会破坏任务。
方法
- 该方法引入一个双专家策略：一个专家负责 move，另一个负责 operate。一个轻量路由器为每个动作块选择一个专家。
- 两个专家都用 Conditional Flow Matching 生成动作，但参数分开，因此粗运动和精细操作不会共享同一个低层动作头。
- 训练时，路由器用阶段标签进行监督，每个样本只更新匹配的专家。这样梯度更新就保持了阶段特异性。
- 阶段标签通过一个基于 MLLM 的分段流水线自动生成，使用视频、语言指令、子任务分解以及末端执行器速度等信号。
- 模型基于预训练的 pi_0-base 主干构建，为两个专家和共享的视觉-语言主干分别设置了 LoRA 适配器。
结果
- 在 8 个 RoboTwin2 任务上、每个任务 50 个示范 且训练步数相同的条件下，该方法达到 68.88% 的平均成功率，而 pi_0 为 44.75%，RDT 为 35.63%，ACT 为 31.63%。这比 pi_0 高 24.13 个百分点。
- 相比 pi_0 的单任务提升包括：Click Alarmclock 88% 对 63%（+25）、Click Bell 99% 对 44%（+55）、Move Pillbottle pad 37% 对 21%（+16）、Place Bread Basket 34% 对 17%（+17）、Place Cans Plasticbox 79% 对 34%（+45）、Place Empty Cup 55% 对 37%（+18）、Place Burger Fries 89% 对 80%（+9）、Press Stapler 70% 对 62%（+8）。
- 与使用 10 倍更多数据 训练的数据充足基线相比，该方法在多个任务上有竞争力：Click Bell 99%，而 pi_0.5* 为 75%、GO-1* 为 98%；Press Stapler 93%，而另外两者分别为 80% 和 66%。
- 摘要称，这个模型只用标准完整训练预算的 40% 更少训练步数 就达到峰值性能。
- 这段摘录给出了基准成功率和部分基线对比的具体数字，但没有给出 10 倍数据对比表的完整总体平均值，也没有给出训练效率曲线的详细数值。