知识卡片：人类引导的自适应残差修正——面向机器人策略的精准纠错

一句话结论

ARC 是一种轻量级后训练模块：在冻结的模仿策略之上，用强化学习学习残差修正，并用稀疏人类修正来塑造自主探索的“何时/何处/做什么”——在真实机器人三项精密操作任务上把平均任务成功率从 33.3% 提升到 75.0%。（基于元数据与摘要，正文细节待核实）

事件概述或研究问题

• 问题：模仿策略能在大部分操作轨迹上稳定执行，但在需要“最后一公里”精度的局部区域仍会失败。
• 常见做法的问题：更新整个策略、或在整个动作空间探索残差，会把局部失败当成全局学习问题。
• 论文提出 Adaptive Residual Correction（ARC）：冻结原策略，只学习残差修正；人类修正不作为模仿目标，而作为结构化信号引导自主探索。

方法/产品要点

摘要给出的机制可拆为三问：

• 何时（when）：用“干预前状态”判断残差控制应在什么状态下激活，而不是把人类修正直接当作动作标签。
• 何处（where）：用修正的几何结构确定残差动作空间中应重点探索的子空间。
• 做什么（what）：最终执行哪种残差由任务奖励决定。
• 形态：轻量后训练模块 + RL；基础策略保持冻结。
• 实验规模：真实机器人上的三项精密操作任务；七关节残差空间。

主要结果或产业意义

• 平均任务成功率：33.3% → 75.0%（摘要数据）。
• 人类修正定义出与任务相关的 2–3 维子空间，保留 96.0–97.7% 的修正幅度平方（squared correction magnitude）。
• 产业含义：稀疏人类干预可用来“定位与约束”后训练，而不必把观察到的修正本身当作最终动作目标；有望降低精密操作策略的后训练成本。

为什么重要

• 把“人类修正”的角色从示范数据转为探索先验：解决局部失败时不必重训全局策略。
• 与既有卡片中“何时/到哪里”的自适应调度思路（如 EcoFrame 的查询自适应证据调度）在问题结构上相似，但对象是机器人残差动作空间；本条属于机器人策略后训练脉络，而非视觉证据调度脉络。
• 与 Ego4WAM 一类“数据属性决定机器人学习收益”的讨论互补：ARC 强调的是如何用少量人类信号约束探索，而非数据规模本身。

局限与不确定性

• 未能抓取正文：以下均待核实——具体 RL 算法、训练时长/样本量、三项任务的名称与指标定义、基线对比范围、是否与全策略微调/全域残差探索做同等算力对比、跨任务/跨机器人泛化、人类修正的采集成本与操作者经验影响。
• 摘要中的 2–3 维子空间结论基于七关节残差空间与特定任务，是否可迁移到更高维动作空间待核实。
• 成功率提升是否伴随执行平滑性、安全性或回合时长的代价，待核实。

可用于图书/PPT/简报的角度

• “局部失败不是全局问题”：用三问（when/where/what）拆解后训练中的探索约束。
• 人类在环的新角色：从“给答案”到“划范围”。
• 精密操作的最后一段：残差学习 + 稀疏干预的经济学。
• 与自适应调度类方法的结构类比：把“何时/何处”作为通用设计模式。

与既有脉络的关系

• 延续“自适应决定何时/何处投入更多计算或探索”的设计母题（参见 EcoFrame 卡片），但应用域为机器人策略后训练，增量在于用人类修正几何约束残差探索子空间。
• 与 Ego4WAM 的“数据属性”视角互补：本条关注少量人类信号的“结构化使用方式”，而非数据规模或多样性。

原始材料

• 标题：When, Where, and What to Correct: Human-Guided Adaptive Residual Correction for Robot Policies
• 来源：arXiv（Track: academic；Topics: foundation-model）
• URL：https://arxiv.org/abs/2610.37547v1
• 备注：正文未能抓取，本卡片仅基于元数据与摘要生成；标注“待核实”处需以原文为准。