组合式机器人策略中技能更新的原子探针治理

Atomic-Probe Governance for Skill Updates in Compositional Robot Policies

部署机器人系统中的技能库通过微调、新演示或领域自适应不断更新，但现有的类型组合方法（如BLADE、SymSkill、Generative Skill Chaining）将技能库在测试时视为冻结状态，并且未分析当某个技能被替换时组合结果如何变化。我们引入了一种基于配对采样的跨版本交换协议，应用于robosuite操作任务，以表征组合技能学习的这一维度。在双臂销孔装配任务中，我们发现了一种主导技能效应：一个ECM实现了86.7%的原子成功率，而其他所有ECM的成功率均低于或等于26.7%，且该主导ECM是否进入组合会导致成功率变化高达+50个百分点。我们在一个更简单的拾取任务中界定了该效应的边界，该任务中所有原子策略均达到100%饱和，该效应无法定义。进一步在三个任务中，我们发现离策略行为距离指标无法识别主导ECM，排除了自然的廉价预测器。我们提出了一种原子质量探针，以及一种结合每技能探针（零每次决策成本）与选择性组合重新验证（完全成本）的混合选择器，并在144个技能更新决策上刻画了其帕累托前沿。在T6任务上，纯原子探针在零每次决策成本下比完全重新验证低23个百分点（64.6% vs 87.5%的理想匹配）；使用m=10的混合选择器在完全重新验证成本的46%下将差距缩小至约12个百分点。在144个事件的跨任务平均值下，在混合理想系统条件下，纯原子探针与完全重新验证的差距在3个百分点以内。据我们所知，该原子质量探针是首个有原则、可部署的原语，用于组合机器人策略中的技能更新治理。