LACE-CRAFT: Robot Co-Design with Actor Inheritance and Blackboard Collaboration
作者: Yuhan Wen, Jiawei Wang, Qixuan Zhang, Yusen Qin, Lan Xu
分类: cs.RO
发布日期: 2026-10-07
备注: 16 pages including appendix. Project website: https://deemostech.github.io/lace-craft/
💡 一句话要点
提出LACE-CRAFT以解决机器人共设计中的控制经验丢失问题
🎯 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)
关键词: 机器人共设计 策略学习 持续学习 形态搜索 控制经验 黑板协作 生成模型 运动基准测试
📋 核心要点
- 现有的机器人共设计方法在训练新设计时会丢失之前的控制经验，导致效率低下。
- LACE-CRAFT通过持续学习和策略适应相结合，保留了已有的学习状态，提高了新形态的训练效率。
- 在五个运动基准测试中，LACE-CRAFT的平均得分比对比方法D2C高出6.4-91.9%，显示出显著的性能提升。
📝 摘要（中文）
机器人共设计将形态搜索与策略学习相结合，但从头开始训练每个新设计会丢失已获得的控制经验。本文提出LACE-CRAFT，通过比较当前机器人上的持续学习与对新形态-奖励对的策略适应，来解决这一问题。LACE恢复现有机器人的完整学习状态，并用其演员参数和观察统计初始化兼容的挑战者。CRAFT通过共享实验记录和行为重放协调反馈、形态、奖励和集成角色，以生成和交叉审查配对提案。在五个运动基准测试中，平均得分比D2C高出6.4-91.9%。
🔬 方法详解
问题定义：本文旨在解决机器人共设计中训练新设计时丢失控制经验的问题。现有方法在每次设计变更时都需从头开始训练，导致效率低下和资源浪费。
核心思路：LACE-CRAFT结合了持续学习与策略适应的思想，通过恢复现有机器人的学习状态来加速新设计的训练过程。这样设计的目的是为了最大限度地利用已有的控制经验，提升训练效率。
技术框架：LACE-CRAFT的整体架构包括两个主要模块：LACE和CRAFT。LACE负责恢复现有机器人的学习状态并初始化新挑战者，而CRAFT则协调反馈、形态、奖励和集成角色，通过共享实验记录和行为重放生成和审查提案。
关键创新：LACE-CRAFT的主要创新在于其策略继承机制和黑板协作方式，允许不同设计之间共享学习经验，这与传统方法的独立训练方式形成鲜明对比。
关键设计：在设计中，LACE使用了四个持续训练单元，并通过固定任务指标选择最佳策略。此外，CRAFT的生成扩展功能将生成的网格转换为可编辑的关节模型，确保了仿真资产的持续更新。
🖼️ 关键图片
📊 实验亮点
在五个运动基准测试中，LACE-CRAFT的平均得分比D2C高出6.4-91.9%，显示出显著的性能提升。此外，LACE通过使用四个持续训练单元，进一步增强了策略适应能力，提升了整体训练效率。
🎯 应用场景
LACE-CRAFT的研究成果在机器人设计与控制领域具有广泛的应用潜力，尤其是在需要快速适应新环境或任务的场景中，如服务机器人、救援机器人等。通过提高设计效率和控制性能，该方法能够推动机器人技术的进一步发展和应用。
📄 摘要（原文）
Robot co-design couples morphology search with policy learning, yet training every new design from scratch discards acquired control experience. We present LACE-CRAFT, which compares continued learning on the current robot with policy adaptation to new morphology-reward pairs. LACE resumes the incumbent's full learning state and initializes compatible challengers with its actor parameters and observation statistics. A fixed task metric selects among both branches and the frozen incumbent. CRAFT coordinates Feedback, Morphology, Reward, and Integration roles through shared experimental records and behavioral replays to generate and cross-review paired proposals. A generative extension converts generated meshes into editable articulated models with configured joints, actuator interfaces, and consistently updated simulation assets. Across five locomotion benchmarks, mean scores over three evaluation seeds are 6.4-91.9% higher than D2C. Both methods train 30 new morphology-reward pairs over five rounds; LACE additionally uses four continuation training units. Five-task ablations examine policy inheritance and replay-derived feedback. A fabricated prototype demonstrates indoor walking and illustrates the geometry-to-hardware workflow.