Genie Centurion: Accelerating Scalable Real-World Robot Training with Human Rewind-and-Refine Guidance

📄 arXiv: 2505.18793v1 📥 PDF

作者: Wenhao Wang, Jianheng Song, Chiming Liu, Jiayao Ma, Siyuan Feng, Jingyuan Wang, Yuxin Jiang, Kylin Chen, Sikang Zhan, Yi Wang, Tong Meng, Modi Shi, Xindong He, Guanghui Ren, Yang Yang, Maoqing Yao

分类: cs.RO

发布日期: 2025-05-24

💡 一句话要点

提出Genie Centurion以解决机器人训练数据收集效率低下问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人训练 数据收集 人类指导 回溯机制 任务成功率 多机器人系统 高效监督

📋 核心要点

  1. 现有的机器人训练方法依赖于大量高质量的人类示范，然而被动收集数据的方式成本高且难以扩展。
  2. GCENT通过人类回溯与精炼指导，允许机器人在执行失败时回溯并由遥控操作员提供纠正示范，从而提高训练效率。
  3. 实验结果显示，GCENT在任务成功率上比最先进的数据收集方法高出40%，且使用的数据量不到一半，显示出其高效性。

📝 摘要（中文）

尽管视觉-语言-动作（VLA）模型在多种任务中表现出强大的泛化能力，但在实际应用中，机器人策略的部署仍需大量高质量的人类专家示范。被动的数据收集方式成本高、难以扩展且往往偏向于有限多样性的被动示范。为此，本文提出了Genie Centurion（GCENT），一种基于人类回溯与精炼指导的可扩展数据收集范式。GCENT在机器人执行失败时，通过回溯机制使系统恢复到先前状态，随后由遥控操作员提供纠正示范以精炼策略。该框架支持一人多机的监督方案，并通过任务哨兵模块自主预测任务成功率，必要时请求人类干预，从而实现可扩展的监督。实证结果表明，GCENT的任务成功率比现有数据收集方法高出40%，且在使用不到一半数据的情况下达到可比性能。

🔬 方法详解

问题定义：本文旨在解决机器人训练中数据收集效率低下的问题，现有方法往往依赖于高成本的人类示范，且难以保证数据的多样性和质量。

核心思路：GCENT的核心思路是通过回溯机制和人类干预来精炼机器人策略。当机器人执行失败时，系统能够回到先前状态，并由遥控操作员提供纠正示范，从而提高训练的有效性和效率。

技术框架：GCENT的整体架构包括回溯机制、任务哨兵模块和人类干预机制。回溯机制允许机器人在失败后恢复状态，任务哨兵模块则负责预测任务成功率并在必要时请求人类干预。

关键创新：GCENT的主要创新在于其一人多机的监督方案，通过任务哨兵模块实现了可扩展的监督，显著提高了数据收集的效率和质量。与传统方法相比，GCENT能够在更少的数据下实现更高的任务成功率。

关键设计：在设计上，GCENT采用了特定的损失函数来优化策略精炼过程，并通过模块化设计确保各个部分的高效协同工作。具体的参数设置和网络结构细节在论文中进行了详细描述。

📊 实验亮点

实验结果表明，GCENT在任务成功率上比现有最先进的数据收集方法高出40%，并且在使用不到一半的数据情况下达到了可比的性能。这一成果展示了GCENT在多机器人场景下的数据收集效率和有效性。

🎯 应用场景

Genie Centurion的研究成果在多个领域具有广泛的应用潜力，尤其是在需要高效数据收集和机器人训练的场景中，如自动化仓储、服务机器人和工业机器人等。其可扩展性和高效性将推动机器人技术在实际环境中的应用，降低训练成本，提高任务执行的成功率。

📄 摘要（原文）

While Vision-Language-Action (VLA) models show strong generalizability in various tasks, real-world deployment of robotic policy still requires large-scale, high-quality human expert demonstrations. However, passive data collection via human teleoperation is costly, hard to scale, and often biased toward passive demonstrations with limited diversity. To address this, we propose Genie Centurion (GCENT), a scalable and general data collection paradigm based on human rewind-and-refine guidance. When the robot execution failures occur, GCENT enables the system revert to a previous state with a rewind mechanism, after which a teleoperator provides corrective demonstrations to refine the policy. This framework supports a one-human-to-many-robots supervision scheme with a Task Sentinel module, which autonomously predicts task success and solicits human intervention when necessary, enabling scalable supervision. Empirical results show that GCENT achieves up to 40% higher task success rates than state-of-the-art data collection methods, and reaches comparable performance using less than half the data. We also quantify the data yield-to-effort ratio under multi-robot scenarios, demonstrating GCENT's potential for scalable and cost-efficient robot policy training in real-world environments.