SUN框架桥接模型控制与学习策略，实现长程操控
原文：SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies
在长时程操作任务中，基于模型的控制与学习到的策略之间存在一个隐性的分歧：控制负责执行指定的目标，学习则将该行为摊销为反应式策略，而现有协议却丢弃了任务语义，导致奖励需要手工设计，行为也会偏离控制所验证的内容。我们提出语义统一（Semantically UNified，SUN）程序——一种类型化可执行程序，其中几何与接触关系只需定义一次，即可编译为对齐的模型预测控制（MPC）代价、满足性谓词、RL 奖励、转移守卫和诊断信息。我们的系统 Kuafu 由大型视觉语言系统驱动，能够从语言和场景语义自动合成 SUN 程序，通过 MPC 筛选可行性，并在训练阶段条件化策略时保留语义。在九项任务中，Kuafu 实现了 82.03% 的宏平均成功率，优于稀疏奖励（35.67%）和 Stage-BC（24.75%）基线。在 8192 路并行规模下，其每小时生成的成功轨迹时间是人工遥操作的 10.57 倍。使用每任务 500 条轨迹，Kuafu 数据可将 DP3 策略训练至 46.0% 的仿真成功率（对比其他方法的 22.4%），并在物理 Franka 和 Kinova 机器人上达到 34.7%。这些结果表明，经仿真筛选的任务语义可以有效将控制摊销为鲁棒策略，无需演示或手工稠密奖励，从而统一了符号规划与数据驱动执行。作者：Weiqi Wang, Zhi Li, Yudong Lei, David Martinez, Xiaofeng Gao 分类：cs.RO,cs.AI