[无滤镜机器人]能否打破机器人模仿学习的速度极限
Robros理事Park Hyunjun在韩国机器人综合学术大会获优秀论文奖
会像人类一样跳舞和奔跑的机器人，能否进化成超越人类的机器人？一篇为这一疑问指明方向的论文近日在国内发表。
Robros理事Park Hyunjun在今年2月6日举行的“2026韩国机器人综合学术大会”上荣获最优论文奖，高举获奖证书合影。照片由Tech Specialist记者Baek Jongmin提供
View original imageRobros理事Park Hyunjun于今年2月6日在江原道平昌举行的“2026韩国机器人综合学术大会”上，凭借论文《基于模仿学习的机器人作业速度改进的先行时间集成方法》(Proleptic Temporal Ensemble for Improving the Speed of Robot Tasks Generated by Imitation Learning)获得最优论文奖。Robros是国内一家开发类人机器人、机器人手以及基于模仿学习的物体操控技术的机器人初创企业。
Park理事将本次研究的出发点概括为“速度的极限”。他表示：“模仿学习会原样学习人类演示得到的数据。问题在于，机器人的作业速度最终被束缚在演示者的速度之上。”
通过人类演示让机器人学习行为的模仿学习，正被视为在非结构化环境中生成机器人动作的核心技术。然而，既有方法在结构上依赖于人类执行作业的速度。Park理事指出，如果要提升机器人的速度，除了在数据采集阶段让演示者动作更快之外，并没有明确的替代方案。
为突破这一局限，他提出了“先行时间集成（PTE）”方法。他谈到这一方法时表示：“关键在于预测未来行为，并将那个目标前移到当前时刻来执行。让机器人不再原封不动地跟在人类后面，而是朝着超前一步的目标运动。”
PTE可以叠加应用在现有的基于Transformer的动作分块（Action Chunking，ACT）算法之上，并可直接利用既有的演示数据和预训练策略。其特点在于，无需额外训练或额外计算成本，实现方式也相对简单。
性能验证通过真实机器人进行的积木颜色分类实验完成。与ACT方式相比，在保持较高成功率的同时，将作业执行速度最多提升了3倍。
关于本次研究可能带来的效果，Park理事补充称：第一，在无需额外采集数据的前提下即可提升既有策略的生产率，从而降低在工业现场的应用成本；第二，通过在技术上拓展原本停留在人类水准的基于模仿学习机器人的性能上限，可扩大物流、制造、服务领域的作业自动化范围；第三，通过提出在速度与稳定性之间进行权衡的设计框架，为今后开展高速、高精度自主物体操控技术研究奠定了基础。
他以获奖感言作结表示：“本次研究的目标，就是打破‘基于模仿学习的策略从属于演示者速度’这一前提。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
