RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks

📄 arXiv: 2603.11558v1 📥 PDF

作者: Ruiying Li, Yunlang Zhou, YuYao Zhu, Kylin Chen, Jingyuan Wang, Sukai Wang, Kongtao Hu, Minhui Yu, Bowen Jiang, Zhan Su, Jiayao Ma, Xin He, Yongjian Shen, Yangyang, Guanghui Ren, Maoqing Yao, Wenhao Wang, Yao Mu

分类: cs.RO, cs.AI

发布日期: 2026-03-12

💡 一句话要点

RoboClaw：面向可扩展长时程机器人任务的Agentic框架

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人操作 长时程任务 视觉-语言-动作 自主学习 强化学习

📋 核心要点

  1. 现有VLA系统在长时程机器人任务中面临数据收集、策略学习和部署分离的问题，依赖手动重置且多策略执行脆弱。
  2. RoboClaw通过统一的VLM控制器整合数据收集、策略学习和任务执行，利用纠缠动作对实现自主数据收集和策略迭代。
  3. 实验表明，RoboClaw在长时程任务中成功率提升25%，人工时间投入减少53.7%，显著提高了稳定性和可扩展性。

📝 摘要（中文）

视觉-语言-动作(VLA)系统在语言驱动的机器人操作方面表现出强大的潜力。然而，将其扩展到长时程任务仍然具有挑战性。现有的流程通常将数据收集、策略学习和部署分开，导致严重依赖手动环境重置和脆弱的多策略执行。我们提出了RoboClaw，一个agentic机器人框架，它在单个VLM驱动的控制器下统一了数据收集、策略学习和任务执行。在策略层面，RoboClaw引入了纠缠动作对(EAP)，将前向操作行为与反向恢复动作相结合，形成用于自主数据收集的自重置循环。这种机制能够以最小的人工干预实现连续的on-policy数据获取和迭代策略改进。在部署期间，同一个agent执行高层推理并动态地编排学习到的策略原语以完成长时程任务。通过在收集和执行过程中保持一致的上下文语义，RoboClaw减少了两个阶段之间的不匹配，并提高了多策略的鲁棒性。在真实世界操作任务中的实验表明，与传统的开环流程相比，RoboClaw提高了稳定性和可扩展性，同时显著减少了整个机器人生命周期中的人工工作量，在长时程任务上的成功率提高了25%，人工时间投入减少了53.7%。

🔬 方法详解

问题定义：现有VLA系统在处理长时程机器人任务时，由于数据收集、策略学习和部署流程相互独立，导致系统严重依赖人工干预进行环境重置，并且在多策略执行时表现出脆弱性。这种分离导致训练数据与实际部署环境存在差异，降低了策略的泛化能力和鲁棒性。

核心思路：RoboClaw的核心思路是将数据收集、策略学习和任务执行整合到一个统一的agentic框架中，通过一个VLM驱动的控制器来协调整个流程。该框架引入了“纠缠动作对”（Entangled Action Pairs, EAP）的概念，将前向操作行为与反向恢复动作配对，形成自重置循环，从而实现自主数据收集和策略迭代。这种设计旨在减少人工干预，并确保训练数据与实际部署环境的一致性。

技术框架：RoboClaw框架包含以下主要模块：1) VLM驱动的控制器：负责高层推理和策略编排；2) 纠缠动作对（EAP）：用于自主数据收集和策略学习；3) 策略学习模块：利用收集到的数据进行策略优化；4) 任务执行模块：根据VLM控制器的指令，执行学习到的策略原语。整个流程是循环迭代的，通过不断收集数据和优化策略，提高机器人的任务完成能力。

关键创新：RoboClaw最重要的技术创新在于“纠缠动作对”（EAP）的设计。EAP将前向操作行为与反向恢复动作配对，使得机器人能够在失败后自动恢复到初始状态，从而实现自主数据收集。这种设计与现有方法的本质区别在于，它不再依赖人工干预进行环境重置，而是通过自重置循环来实现持续的on-policy数据获取和迭代策略改进。

关键设计：EAP的具体实现可能涉及多种技术细节，例如，如何设计合适的恢复动作，如何平衡前向操作和反向恢复的效率，以及如何选择合适的损失函数来优化策略。此外，VLM控制器的设计也至关重要，需要能够理解自然语言指令，并将其转化为具体的机器人动作。具体的网络结构和参数设置可能需要根据具体的任务进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，RoboClaw在真实世界操作任务中表现出显著的优势。与传统的开环流程相比，RoboClaw在长时程任务上的成功率提高了25%，同时人工时间投入减少了53.7%。这些数据表明，RoboClaw能够显著提高机器人的稳定性和可扩展性，并降低人工成本。

🎯 应用场景

RoboClaw框架具有广泛的应用前景，可应用于自动化装配、物流分拣、家庭服务机器人等领域。通过减少人工干预和提高任务完成的鲁棒性，该研究有望降低机器人部署和维护的成本，并加速机器人技术在各行各业的普及。未来，该框架可以进一步扩展到更复杂的任务和环境，实现更高级别的自主性和智能化。

📄 摘要（原文）

Vision-Language-Action (VLA) systems have shown strong potential for language-driven robotic manipulation. However, scaling them to long-horizon tasks remains challenging. Existing pipelines typically separate data collection, policy learning, and deployment, resulting in heavy reliance on manual environment resets and brittle multi-policy execution. We present RoboClaw, an agentic robotics framework that unifies data collection, policy learning, and task execution under a single VLM-driven controller. At the policy level, RoboClaw introduces Entangled Action Pairs (EAP), which couple forward manipulation behaviors with inverse recovery actions to form self-resetting loops for autonomous data collection. This mechanism enables continuous on-policy data acquisition and iterative policy refinement with minimal human intervention. During deployment, the same agent performs high-level reasoning and dynamically orchestrates learned policy primitives to accomplish long-horizon tasks. By maintaining consistent contextual semantics across collection and execution, RoboClaw reduces mismatch between the two phases and improves multi-policy robustness. Experiments in real-world manipulation tasks demonstrate improved stability and scalability compared to conventional open-loop pipelines, while significantly reducing human effort throughout the robot lifecycle, achieving a 25% improvement in success rate over baseline methods on long-horizon tasks and reducing human time investment by 53.7%.