# PACER框架利用人类纠错数据优化UR5e主板拆卸成功率至87%

> 原文链接：https://robotics.hellobike.com/papers/2026-10-15-2610-19248
> 频道：papers | 更新日期：2026-10-15 | 标签：auto, arxiv
> 核心摘要：针对机器人拆卸任务中SFT数据稀缺与分布偏移难题，PACER框架通过过程感知纠错与证据重加权机制，在UR5e主板拆卸基准测试中将成功交接率从54%提升至87%，验证了利用人类纠错轨迹优化VLA策略的有效性。

# PACER框架利用人类纠错数据优化UR5e主板拆卸成功率至87%

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[PACER: Process-Aware VLA Policy Learning from Human Corrections for Robotic Disassembly](https://arxiv.org/abs/2610.19248)（arXiv 2610.19248）

## 核心内容

针对报废产品拆卸中环境多变与接触操作复杂导致的策略失效问题，研究提出PACER（过程感知纠错与证据重加权）框架。该方法旨在解决监督微调（SFT）难以覆盖长尾场景的痛点，通过挖掘机器人自身试错轨迹与人类纠错演示中的有效信息来增强策略鲁棒性。在基于UR5e的主板拆卸实验中，PACER在五类组件的保持验证集上实现了87/100的成功接近与交接率，相比传统SFT后策略的54/100有显著提升。

技术上，PACER根据目标进度、轨迹来源及执行结果对原生监督动作损失中的有效动作块进行动态加权，而非简单混合所有数据。系统为每种加权配置独立训练策略，并通过留出验证集自动择优。该方案有效利用了机器人失败尝试与人类恢复操作中的差异化信号，解决了非结构化拆卸场景中高质量正样本稀缺的问题，为具身智能在工业回收领域的落地提供了低成本适配范式。

## 关键看点

- **性能跃升**：在UR5e主板拆卸基准测试中，PACER将成功接近与交接率从基线SFT的54%提升至87%，显著改善接触丰富操作表现
- **重加权机制**：依据目标进度、轨迹来源及结果对动作块进行动态加权，精准筛选人类纠错与机器人试错中的有效学习信号
- **策略优选**：针对不同加权设置独立训练多个策略模型，并通过留出验证集自动选择最优策略，避免过拟合噪声数据
- **数据效率**：在不增加昂贵专家演示的前提下，充分利用机器人自身rollouts与人类纠错轨迹，缓解拆卸数据分布偏移难题

## 工程与产业观察

PACER证明了在具身操作任务中，人类纠错数据与机器人失败轨迹蕴含高价值负反馈信号。通过过程感知的细粒度重加权而非简单数据增强，可大幅降低对完美演示数据的依赖。这对工业拆卸、装配等长尾场景具有直接工程参考价值，提示开发者应构建包含纠错闭环的数据采集管线，并将“错误恢复”作为VLA策略优化的核心资产。

## 英文摘要 (Abstract)

Robotic disassembly of end-of-life (EoL) products requires robots to accommodate product variation, follow prerequisite sequences, and approach components precisely for contact-rich manipulation. Supervised fine-tuning (SFT) provides a practical path for adaptation, but limited and costly disassembly data cannot capture the distribution shifts arising from changing environments and product uncertainties. The policy's own rollouts record its approach attempts, and human corrections demonstrate recovery from its errors, but turning these experiences into better policy performance remains challenging. We introduce PACER, a Process-Aware Correction and Evidence Reweighting framework that learns from these experiences through SFT, using progress toward the target and each trace's source and outcome to weight valid action chunks in the native supervised action loss. PACER trains one policy per weighting setting and selects one of the resulting policies through held-out validation. We evaluate PACER on UR5e motherboard disassembly across five component classes, where it achieves 87/100 successful approach-and-handoff trials on the held-out benchmark, compared with 54/100 for vanilla post-SFT.

作者：Chang Liu, Sibo Tian, Litian Gong, Zhiwen Fan, Jiachen Li, Xiao Liang, Minghui Zheng
:::

## 原始参考来源 (Sources)

- [arXiv 2610.19248：PACER: Process-Aware VLA Policy Learning from Human Corrections for Robotic Disassembly](https://arxiv.org/abs/2610.19248)