WORLDTECH机器人 单一来源
RAX让机器人智能体通过在线探索学习任务
由 WORLDTECH 译自英文。事实、数字、名称和来源均与英文原文一致。 English
arXiv机器人学（cs.RO）类别中的一篇论文介绍了RAX，这是一个开源框架，使机器人智能体能够通过收集在线经验并将其转化为可执行程序来不断改进。作者将其描述为一条无需机器人学习通常依赖的专门远程操作数据集的路径。
超越远程操作数据集
据arXiv预印本介绍，机器人学习的进展依赖于扩大示范数据集和模型容量。要让一种新的机器人本体或任务投入使用，通常需要专门的远程操作语料，即由人员远程操控机器采集而成。作者认为，以这种方式训练的策略只能局限于其所模仿的数据分布，这限制了泛化能力和持续的自我改进。
RAX走的是另一条路径。一个通用编程智能体负责编写机器人的控制代码，据描述，该框架无需动作示范数据、人工构建的动作基元或价值函数引导即可运行。智能体在环境中行动，寻找能够达成任务目标的决策序列，并将其打包为涵盖感知、规划与控制的模块化程序。
仿真与实体机器人上的报告结果
预印本报告称，随着探索规模扩大，机器人在未见环境中的表现稳步提升。在仿真中，RAX据称平均超过领先基线模型37.4%。
在实体机器人上，作者称，RAX无需人类示范即可学会涉及记忆、关节操作、高精度、可形变物体和长时程的移动操作任务。其性能持续提升，是因为它会重新组合早期探索阶段已验证的技能。
有待确认之处
这一报道仅基于一条arXiv条目，且结果是作者自己的发现，并未经独立第三方核实。原始材料并未说明37.4%这一数字背后所用的基准测试，也未说明所采用的实体机器人实验装置。
待解问题
- 仿真基准测试和37.4%的对比是如何设计的？
- 实体机器人上的结果能否在其他硬件上复现？