RESTA: Time-Scaling Augmentation for Data-Efficient Robot Imitation Learning

📄 arXiv: 2610.18163v1 📥 PDF

作者: Yunpeng Jiang, Jianshu Hu, Han Fang, Zhiyuan Guan, Paul Weng, Yutong Ban

分类: cs.RO

发布日期: 2026-10-13

💡 一句话要点

提出RESTA以提高机器人模仿学习的数据效率

🎯 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: 机器人模仿学习 数据增强 轨迹反转 时间步长 数据效率 双手操作 自动化技术

📋 核心要点

  1. 现有的模仿学习方法通常需要大量的高质量演示，导致数据收集成本高昂，尤其是在低数据环境下表现不佳。
  2. RESTA通过轨迹反转和时间步长增强来提高数据效率，允许在不增加环境交互的情况下重用演示数据。
  3. 在16个配对的双手操作任务中，RESTA在25和50个独立收集的演示下分别达到了78.4%和85.2%的成功率，超越了使用两倍演示的基线。

📝 摘要（中文）

机器人操作策略通常依赖于在单一任务方向和时间分辨率下录制的高成本演示。本文提出了基于时间缩放的数据增强方法RESTA，通过轨迹反转和时间重采样来提高数据效率。轨迹反转增强在配对任务之间反转和重新标记演示，重用录制的轨迹而无需额外的环境交互。由于接触丰富的操作并不完全可逆，我们将反转视为一种近似的配对任务先验，而非物理对称。时间步长增强则通过变化观察和动作采样步长来调节策略，从而实现固定或随机的时间调度。实验表明，RESTA在低数据环境下表现出色，且在随机时间调度下提升了成功率。

🔬 方法详解

问题定义：本文旨在解决机器人模仿学习中对高成本演示的依赖，现有方法在低数据环境下的表现不佳是主要痛点。

核心思路：RESTA通过时间缩放的数据增强技术，结合轨迹反转和时间步长变化，来提高数据的重用效率，从而减少对额外演示的需求。

技术框架：RESTA的整体架构包括两个主要模块：轨迹反转模块和时间步长增强模块。轨迹反转模块负责在配对任务之间反转和重新标记演示，而时间步长增强模块则通过调整观察和动作的采样步长来实现策略的调节。

关键创新：RESTA的核心创新在于将轨迹反转视为一种近似的配对任务先验，而非简单的物理对称性，这使得在接触丰富的操作中能够有效重用数据。

关键设计：在设计中，RESTA采用了灵活的时间步长设置，允许策略在固定或随机的时间调度下进行训练，优化了数据采样的效率。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

RESTA在16个双手操作任务中的实验结果显示，使用25和50个演示时分别达到了78.4%和85.2%的成功率，超越了使用两倍演示的基线（77.3%和85.4%），证明了其在低数据环境下的有效性和优势。

🎯 应用场景

RESTA的研究成果在机器人操作、自动化制造和人机协作等领域具有广泛的应用潜力。通过提高模仿学习的数据效率，RESTA能够降低机器人训练的成本，加速机器人在复杂环境中的适应能力，推动智能机器人技术的发展。

📄 摘要（原文）

Robot manipulation policies trained through imitation learning commonly rely on costly demonstrations recorded in one task direction and at one temporal resolution. We propose Reversal and Stride-based Trajectory Augmentation (RESTA), which exploits time-scaling data augmentation to improve data efficiency through trajectory reversal and temporal resampling. Trajectory-reversal augmentation reverses and relabels demonstrations between paired tasks with opposite objectives, reusing recorded rollouts without additional environment interaction. Because contact-rich manipulation is not exactly reversible, we treat reversal as an approximate paired-task prior rather than a physical symmetry. Temporal-stride augmentation varies observation and action sampling strides and conditions the policy on the resulting offsets, enabling fixed or randomized temporal schedules. Experiments across 16 paired bimanual manipulation tasks show that trajectory reversal is particularly effective in the low-data regime and that temporal-stride augmentation improves success under randomized temporal schedules. With 25 and 50 independently collected demonstrations per task, RESTA achieves 78.4% and 85.2% average success, respectively, matching or exceeding baselines trained with twice as many demonstrations (77.3% and 85.4%). These results show that RESTA can improve data efficiency in robot imitation learning.