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

📄 arXiv: 2505.18793v2 📥 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 (更新: 2026-01-19)

💡 一句话要点

Genie Centurion：基于人类回溯与精炼指导，加速可扩展的真实世界机器人训练

🎯 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: 机器人学习 强化学习 人机协作 数据收集 策略优化

📋 核心要点

  1. 现有机器人策略训练依赖大量人工演示，成本高昂且难以扩展，限制了真实场景应用。
  2. Genie Centurion (GCENT) 引入回溯与精炼机制，允许机器人在失败后回退并接受人工指导。
  3. 实验表明，GCENT 显著提升任务成功率，并减少数据需求，验证了其可扩展性和效率。

📝 摘要（中文）

视觉-语言-动作(VLA)模型在各种任务中表现出强大的泛化能力，但机器人策略的实际部署仍然需要大规模、高质量的人工专家演示。然而，通过人工遥操作进行数据收集需要操作员持续的关注，成本高昂且难以扩展。为了解决这个问题，我们提出了Genie Centurion (GCENT)，这是一种基于人类回溯与精炼指导的可扩展通用数据收集范式，使机器人能够在部署中进行交互式学习。GCENT从一个不完善的策略开始，并随着时间的推移而改进。当机器人执行失败时，GCENT允许机器人通过回溯机制恢复到之前的状态，然后遥操作员提供纠正性演示来改进策略。该框架支持一种一人监督多机器人的方案，并配备了一个任务哨兵模块，该模块自主预测任务成功率，并在必要时请求人工干预。实验结果表明，GCENT的任务成功率比最先进的数据收集方法高出40%，并且在长时程和精确任务中使用不到一半的数据即可达到相当的性能。我们还量化了多机器人场景下的数据产出与努力比率，证明了GCENT在真实世界环境中进行可扩展且经济高效的机器人策略训练的潜力。

🔬 方法详解

问题定义：现有机器人策略训练方法，特别是依赖视觉-语言-动作(VLA)模型的方法，需要大量高质量的人工专家演示数据。然而，通过人工遥操作收集这些数据成本高昂，需要操作员持续关注，并且难以扩展到多机器人场景。因此，如何高效地收集高质量的机器人训练数据，降低人工成本，是当前面临的关键问题。

核心思路：GCENT的核心思路是利用“回溯与精炼”机制，让机器人在执行任务失败时，能够回退到之前的状态，然后由人类操作员提供纠正性的演示，从而改进策略。这种方法模仿了人类学习的过程，即从错误中学习，并逐步改进。通过引入“任务哨兵”模块，实现一人监督多机器人的方案，进一步降低了人工成本。

技术框架：GCENT框架包含以下几个主要模块：1) 机器人执行模块：机器人根据当前策略执行任务。2) 回溯模块：当机器人执行失败时，允许机器人回退到之前的状态。3) 人工指导模块：人类操作员通过遥操作提供纠正性的演示。4) 策略更新模块：利用收集到的数据更新机器人策略。5) 任务哨兵模块：自主预测任务成功率，并在必要时请求人工干预。整个流程是一个迭代的过程，机器人不断执行、回溯、接受指导、更新策略，最终达到期望的性能。

关键创新：GCENT最重要的技术创新点在于其“回溯与精炼”机制。与传统的从头开始收集数据的方法不同，GCENT允许机器人在部署过程中进行交互式学习，从错误中学习，并逐步改进。此外，任务哨兵模块的引入，实现了高效的人工监督，降低了人工成本。

关键设计：GCENT的关键设计包括：1) 回溯机制的具体实现，例如如何保存和恢复机器人的状态。2) 人工指导界面的设计，如何方便操作员提供纠正性的演示。3) 任务哨兵模块的训练，如何准确预测任务成功率。4) 策略更新算法的选择，如何有效地利用收集到的数据更新策略。论文中可能还涉及一些超参数的设置，例如回溯的频率、人工指导的时长等，这些细节对最终的性能有重要影响。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，GCENT 在任务成功率方面比最先进的数据收集方法高出 40%。此外，在长时程和精确任务中，GCENT 使用不到一半的数据即可达到相当的性能。这些结果验证了 GCENT 在数据效率和性能方面的优势，证明了其在真实世界机器人训练中的潜力。

🎯 应用场景

GCENT 有潜力应用于各种需要机器人自主操作的场景，例如家庭服务、物流仓储、工业制造等。通过降低数据收集成本，加速机器人策略训练，GCENT 有助于推动机器人技术在实际场景中的广泛应用，并提升机器人的智能化水平。

📄 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, data collection via human teleoperation requires continuous operator attention, which is costly, hard to scale. To address this, we propose Genie Centurion (GCENT), a scalable and general data collection paradigm based on human rewind-and-refine guidance, enabling robots' interactive learning in deployment. GCENT starts at an imperfect policy and improves over time. When the robot execution failures occur, GCENT allows robots to 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. 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 in long-horizon and precise tasks. 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.