机器人也能从"失败"中学习？上海交大团队让机器人训练数据少用80%却更聪明

这项由上海交通大学的黄思远、香港中文大学的廖悦、Agibot公司的冯思远等研究团队合作完成的研究发表于2025年3月，论文标题为《Adversarial Data Collection: Human-Collaborative Perturbations for Efficient and Robust Robotic Imitation Learning》，感兴趣的读者可以通过项目页面https://sites.google.com/view/adc-robot获取完整信息。

说起机器人学习，你可能觉得这很简单：给机器人看足够多的示范动作，它就能学会了。但现实远比这复杂得多。传统的机器人训练就像是让学生通过看无数遍完美示范来学习开车，但真正上路时却发现路况千变万化，完美示范根本应付不了现实中的突发状况。

这个问题困扰着机器人研究领域很久了。要让机器人在真实世界中可靠地工作，研究人员通常需要收集海量的训练数据，涵盖各种可能的情况。但收集这些数据成本极高，每个示范都需要专业操作员花费大量时间和精力。更要命的是，即使收集了大量数据，机器人在面对训练时没见过的新情况时，仍然可能表现糟糕。

现在，这个研究团队提出了一个颇为"狡猾"的新方法，叫做对抗性数据收集（ADC）。这种方法的核心思想有点像是在训练过程中故意"捣乱"。具体来说，在传统训练中，通常只有一个操作员控制机器人完成任务。而在ADC方法中，研究团队引入了第二个人——"对抗操作员"，这个人的任务就是在训练过程中适时制造各种"麻烦"。

这种训练方式就像是在学习游泳时，教练不仅会示范标准动作，还会在你游泳过程中突然制造一些小波浪，让你学会在不完美条件下保持平衡。当主操作员试图让机器人抓取一个橙子时，对抗操作员可能会突然移动橙子的位置，或者改变指令让机器人去抓取西瓜。这迫使主操作员必须实时调整策略，重新规划动作。

ADC方法在两个关键维度上制造"干扰"。在视觉层面，对抗操作员会动态改变物体位置和姿态。比如，当机器人的机械手即将接触目标物体时，对抗操作员会给物体施加小的扰动力，改变其位置和方向。这就像是在你伸手拿杯子时，有人轻轻推了推杯子，迫使你调整抓取角度和位置。通过这种方式，机器人学会了从各种角度和位置抓取物体，而不是只会处理标准摆放的情况。

在语言层面，对抗操作员会在任务执行过程中动态修改指令。原本的指令可能是"把杯子放到盘子里"，但在机器人已经抓起杯子后，指令突然变成"把杯子放到碗里"。这要求机器人必须具备理解新指令并立即调整行为的能力，就像人类在执行任务时突然收到新的要求一样。

研究团队首先在传统的机器人平台Aloha上验证了这个方法。他们发现，用ADC方法训练的机器人在处理透明材料抓取等复杂任务时表现更加稳定。虽然在某些极端高度条件下仍会出现震荡行为，但整体的鲁棒性明显提升。这为研究团队进一步扩展到更复杂的视觉-语言-动作（VLA）模型奠定了基础。

接下来，研究团队将ADC方法应用到了更先进的AgiBot G1机器人平台上，使用π0这个先进的VLA模型进行测试。VLA模型就像是机器人的"大脑"，它能同时理解视觉信息、语言指令，并输出相应的动作指令。这种模型的训练通常需要海量数据，因为它必须学会将视觉场景、语言指令和动作三者关联起来。

在这个更复杂的系统中，ADC方法展现出了令人惊喜的效果。研究团队设计了一个综合性任务："抓取[水果类型]，放入[容器]"，其中水果包括橙子、猕猴桃等，容器包括绿色盘子、蓝色盘子等。这个看似简单的任务实际上需要机器人具备视觉识别、语言理解和精确操作等多种能力。

通过ADC方法收集的数据有一个显著特点：信息密度极高。传统方法收集一个30秒的"拿起-放下"任务可能产生数百个训练样本，但这些样本中很多都是重复或相似的。而ADC方法通过在单个演示过程中引入多种变化，使得每个训练样本都包含更丰富的信息。这就像是用一本内容丰富的教科书替代了一堆重复内容的小册子。

实验结果令人印象深刻。在静态环境测试中，用ADC方法训练的模型在所有高度和位置条件下都表现出色，平均成功率在0.72到1.0之间，而传统方法训练的模型在变化位置条件下成功率降到了0.0。更重要的是，ADC训练的模型展现出了强大的组合泛化能力，能够成功执行训练时从未见过的任务组合。

在动态环境测试中，ADC方法的优势更加明显。当测试人员在机器人操作过程中随机移动目标物体或容器时，传统方法训练的模型完全失效，而ADC训练的模型仍能保持0.88的平均成功率。这种差异就像是一个只在驾校练过车的新手司机遇到突发路况时的慌乱，与一个经历过各种复杂路况训练的老司机的从容应对。

研究团队还进行了一项极端测试：模拟相机故障。他们用全零矩阵替换某个相机的输入，模拟硬件故障情况。结果显示，ADC训练的模型能够动态调整注意力，转向其他可用的相机获取信息，而传统方法训练的模型则倾向于关注桌子边缘等无关特征。这种适应能力源于ADC数据中包含了更多遮挡和多视角观察的情况。

最令人惊喜的发现是数据效率的大幅提升。研究团队发现，仅使用20%的ADC数据训练的模型，其性能就能显著超过使用100%传统数据训练的模型。具体来说，在静态和动态环境的综合测试中，20%ADC数据训练的模型平均成功率为0.65，而100%传统数据训练的模型只有0.24。这意味着ADC方法不仅提高了训练效果，还大大降低了数据收集成本。

ADC方法的成功还体现在机器人获得了自主故障恢复能力。在测试中，当机器人首次抓取失败后，它能够自动重新评估情况并尝试第二次抓取，最终成功完成任务。这种能力在传统训练方法中很难获得，因为传统数据很少包含失败-恢复的序列。

研究团队还测试了ADC训练模型的场景泛化能力。虽然训练数据都是在白色桌面上收集的，但测试时在桌面铺上桌布的新环境中，ADC训练的模型仍能保持良好性能。这种泛化能力部分来自于VLA模型强大的预训练视觉编码器，但ADC数据中包含的更多视觉变化也起到了重要作用。

从技术实现角度看，ADC方法巧妙地解决了数据标注的挑战。由于语言指令在执行过程中可能发生变化，研究团队采用了子任务级别的标注策略，将复杂任务分解为抓取和放置阶段，同时保持时间连续性。这种方法充分利用了VLA模型的组合泛化能力，实现了端到端的策略学习。

在人机交互测试中，研究团队设计了更具挑战性的场景：人类握持目标物体并在机器人抓取过程中移动。这种动态交互要求机器人能够实时调整动作预测，适应人类的不可预测行为。ADC训练的模型在这种场景下展现出了令人满意的适应能力，这为未来的人机协作奠定了重要基础。

研究团队还发现，ADC数据的一个重要优势是减少了对复杂数据混排策略的依赖。传统VLA训练需要精心设计的数据混排机制来确保每个批次包含多样化信息，这需要大量工程工作。而ADC收集的轨迹数据本身就包含了丰富的运动和语义信息，大大简化了训练过程的工程复杂度。

虽然ADC方法需要两个操作员，看似增加了人力成本，但考虑到其在数据效率上的巨大提升，实际的总体成本反而降低了。对抗操作员不需要高度专业的技能，主要是在适当时机制造扰动，这比连续的精确遥操作要简单得多。而且，ADC方法的数据收集时间虽然每个回合略有增加，但总体数据需求的大幅减少使得整体收集时间显著降低。

这项研究的意义远不止于技术层面的改进。它代表了机器人学习范式的根本性转变：从依靠大规模数据堆叠转向智能化的数据收集策略。ADC方法证明了"质量胜过数量"的理念在机器人学习中的有效性，为资源受限环境下的机器人训练提供了现实可行的解决方案。

研究团队正在构建一个大规模的ADC-Robotics数据集，计划向学术界开源。这个数据集将包含更多真实世界操作任务和对抗性扰动，为机器人模仿学习研究提供宝贵资源。这不仅会推动技术发展，还会建立新的研究基准，引导整个领域向更高效的数据收集方向发展。

从更广阔的视角来看，ADC方法体现了人工智能研究中的一个重要趋势：通过模拟真实世界的复杂性和不确定性来提高系统的鲁棒性。这种思路不仅适用于机器人学习，也可能启发其他AI领域的研究，比如自动驾驶、医疗诊断等需要在复杂环境中可靠工作的应用。

说到底，这项研究告诉我们一个简单而深刻的道理：最好的学习往往来自于应对挑战和克服困难的过程。就像人类通过在变化多端的环境中不断练习来掌握技能一样，机器人也能通过"逆境训练"获得更强的适应能力。ADC方法不是简单地增加数据量，而是巧妙地增加了数据的"智慧含量"，让每一次训练都更有价值。

这种训练思路对我们普通人也有启发意义。无论是学习新技能还是面对工作挑战，刻意制造一些"有益的困难"往往比在舒适区重复练习更有效果。当然，前提是这些困难是可控的、有意义的，就像ADC方法中的对抗性扰动一样。

研究团队已经验证了ADC方法在多种机器人平台上的有效性，从简单的双臂机器人到复杂的人形机器人系统。随着技术的进一步发展和数据集的完善，我们有理由相信，这种高效的训练方法将加速机器人技术在日常生活中的普及应用。从家庭服务机器人到工业自动化，从医疗辅助到救援任务，ADC方法培训出的机器人将能更好地应对真实世界的复杂性和不可预测性。

有兴趣深入了解技术细节的读者，可以访问研究团队的项目页面https://sites.google.com/view/adc-robot，那里有更详细的实验视频和技术文档。这项研究不仅在技术上具有突破性意义，更为机器人学习领域指明了一个更加高效和实用的发展方向。

Q&A

Q1：ADC方法是什么？它和传统机器人训练有什么不同？ A：ADC（对抗性数据收集）是一种新的机器人训练方法，使用两个操作员：一个控制机器人执行任务，另一个在过程中制造"干扰"（如移动物体、改变指令）。这与传统方法只有一个操作员在静态环境中示范不同，能让机器人学会应对各种突发情况。

Q2：ADC方法真的能让机器人用更少数据学得更好吗？ A：是的，实验证明仅用20%的ADC数据训练的机器人，性能就能超过用100%传统数据训练的机器人。这是因为ADC数据信息密度更高，每个样本都包含更多变化和挑战，相比传统数据中大量重复的简单示范更有价值。

Q3：这种训练方法会不会太复杂，难以实际应用？ A：虽然需要两个操作员，但对抗操作员的工作相对简单，不需要高度专业技能。考虑到ADC大幅减少了总数据需求（减少80%），实际总成本反而降低了。而且已经在多个机器人平台上验证有效，具备实际应用价值。