新闻/雷峰网·14 天前

宾大茅佳源RAPID框架：双臂组合任务真机泛化成功率达83%

IROS 2026披露RAPID闭环框架与TR诊断指标，通过自适应引导解决视觉动作脱节。单次演示即可泛化多种非抓取任务，双臂复杂组合操作真机成功率提升至83%，破解具身数据困局。

AI 整理

• 仿真与训练
• 数据与采集
• 具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：宾大茅佳源：从单次演示到 83% 真机泛化，破解具身智能数据困局｜IROS 2026（雷峰网）

核心内容

在IROS 2026会议上，宾夕法尼亚大学茅佳源团队发布RAPID闭环框架及TR诊断指标，旨在突破具身智能数据瓶颈。该研究针对双臂机器人复杂组合任务，通过自适应引导机制显著提升了模型在真实物理环境中的鲁棒性。实验数据显示，系统仅需单次演示即可实现多种非抓取任务的泛化，真机执行成功率达到83%，验证了低样本条件下复杂操作迁移的有效性。

技术方案核心在于提出TR指标以精准诊断视觉感知与动作执行间的脱节问题，并构建RAPID闭环反馈机制进行实时纠偏。不同于传统依赖海量数据的训练范式，该方法利用自适应引导策略优化了非抓取类操作的特征对齐，使机器人能在极少演示数据下理解任务逻辑。这一架构有效解决了双臂协同中多模态信息不一致导致的失败案例，为小样本具身学习提供了可量化的工程验证路径。

关键看点

• RAPID框架：构建闭环自适应引导机制，将双臂复杂组合任务真机泛化成功率提升至83%
• TR诊断指标：量化视觉感知与动作执行脱节程度，精准定位多模态对齐失效根因
• 单次演示泛化：突破数据规模限制，仅凭一次示教即可迁移多种非抓取类操作任务
• 非抓取任务适配：针对接触丰富型操作优化特征空间，解决传统模仿学习长尾失败问题

工程与产业观察

该成果标志着具身智能从“大数据暴力训练”向“高质量闭环诊断”转型。TR指标为算法工程师提供了可量化的Sim-to-Real差距评估工具，而83%的真机成功率证明了小样本自适应引导在工业级双臂操作中的落地潜力，对降低数据采集成本具有直接参考价值。

来源

本页事实对应的公开页面，以原文为准。

1. 雷峰网：宾大茅佳源：从单次演示到 83% 真机泛化，破解具身智能数据困局｜IROS 2026访问 2026-10-14