知识卡片：CoDA：数据引擎与动作策略的共演化

一句话结论

CoDA 让“生成仿真环境的数据引擎”与“机器人动作策略”通过共享异构记忆共同演化，把视觉语言评论器诊断出的失败转化为可复现困难的环境生成程序与训练程序，从而在相同生成预算下显著提升分布外操作任务成功率。

事件概述或研究问题

生成式仿真可以自动构建机器人环境，但“物理上合法”的环境未必对训练有用。核心问题是：如何识别出能针对策略失败的环境，以及能帮助策略克服这些失败的监督信号。CoDA 即针对这一“环境有用性”与“监督有效性”的匹配问题提出。

方法/产品要点

• 共演化框架：仿真数据引擎与动作策略通过一个共享的异构记忆共同演化，记忆内容涵盖环境构建、策略失败与学习进展。
• 诊断到程序：记忆把来自视觉语言评论器（vision-language critic）的、经过验证的诊断，编译为两类程序——再现困难的环境生成程序，以及帮助策略克服困难的训练程序。
• Text2potential：将诊断转换为分阶段势函数（staged potentials），用于动作块价值学习（action-chunk value learning），在标准 shaping 假设下保持任务最优策略不变，同时提供稠密监督。
• 进度驱动：以可测量的学习进展指导后续的生成与程序细化。
• 任务范围：在四个操作任务族上评估，并在 LIBERO-Pro 上做多轮生成与训练。

主要结果或产业意义

• 四个操作任务族上，分布外成功率从监督微调后的 5.3% 提升到 27.6%，在相同生成预算下超过最强闭环基线 9.5 个百分点。
• 在 LIBERO-Pro 上，15 轮生成与训练把成功率从 25% 提升到 84%（位置扰动下），从 1% 提升到 76%（指令扰动下）。
• 产业意义上，这指向一种“自动课程”式的机器人训练流水线：仿真不再只追求物理真实，而是被策略的失败与进展反向驱动。

为什么重要

机器人学习长期受困于真实数据稀缺与仿真到现实迁移。CoDA 的增量在于把“环境生成”和“策略改进”放进同一个反馈回路，并用记忆显式记录失败与进展，使生成预算花在策略真正失败的地方。与既有共演化卡片（如插件维护共演化、EvoDuet 的查询—解共演化）相比，本条把共演化对象从“软件构件/搜索查询”推进到“仿真环境与机器人动作策略”，并引入势函数形式的稠密监督。待核实：与这些既有脉络之间是否存在方法上的直接继承或对比实验。

局限与不确定性

• 待核实：四个“操作任务族”的具体名称、任务难度分布与评测协议，摘要未给出。
• 待核实：最强闭环基线的具体方法名称与实现细节。
• 待核实：Text2potential 在标准 shaping 假设之外（如非最优策略保持条件不满足时）的表现。
• 待核实：LIBERO-Pro 上 15 轮生成与训练的计算成本、墙钟时间与生成预算规模。
• 待核实：真实机器人上的验证结果；摘要仅报告仿真基准。
• 待核实：记忆规模增长后的检索与细化效率。

可用于图书/PPT/简报的角度

• “物理合法 ≠ 训练有用”：仿真环境价值判断标准的转变。
• 共演化作为方法论：从插件、查询到“环境—策略”的迁移路径。
• 失败驱动的自动课程：视觉语言评论器如何充当诊断者。
• 势函数塑形在机器人价值学习中的复用：稠密监督与最优策略保持的权衡。
• 闭环基线的边际收益：相同预算下 9.5 个百分点的含义。

与既有脉络的关系

本条延续“共演化”主题卡片脉络，但把共演化双方从软件构件（插件市场实证）与搜索查询（EvoDuet）替换为仿真数据引擎与动作策略，属于该主题在机器人基础模型方向的新增实例。是否与前述工作在方法上有交叉引用，待核实。

原始材料

• Title: CoDA: Co-Evolution of Data Engines and Action Policies
• arXiv ID: 2610.22362v1
• Authors: Tianjiao Yu, Zhilin Ou, Yifan Shen, Xinzhuo Li, Yuanzhe Liu, Onkar Kishor Susladkar, Fan Wang, Ismini Lourentzou
• Published: 2026-10-15T17:59:02Z
• Primary category: cs.RO; Categories: cs.RO, cs.AI
• Abstract URL: https://arxiv.org/abs/2610.22362v1
• PDF URL: https://arxiv.org/pdf/2610.22362v1