Recova: Agentengeführtes Fehler-Recovery für autonome Robotermanipulation
Der Preprint beschreibt Recova, ein agentengeführtes Framework, das Aufgabenausführung und Szenen-Wiederherstellung in einem rekonstruierten digitalen Zwilling gemeinsam entwickelt und über echte Robotereinsätze verfeinert. In sechs LIBERO-Pro-Settings und vier MolmoSpaces-Kategorien erreicht das System 78,8 bzw. 64,9 Prozent mittlere Erfolgsrate und übertrifft die stärksten Baseline-Methoden um 7,1 bzw. 26,9 Prozentpunkte. Auf realen Robotern steigt die mittlere Erfolgsrate nach parallelem DAgger-Feintuning von 23,8 auf 77,5 Prozent und mit Recovery-Fähigkeiten auf 87,5 Prozent, während die beobachtete menschliche Eingriffsrate in vier Runden einer Aufgabe von 87,5 auf 0 Prozent fällt.
Wie lässt sich Fehlerbehebung als eigenständige, wiederverwendbare Fähigkeit entwickeln, die Manipulationsrichtlinien nach fehlgeschlagenen Szenenzuständen wieder arbeitsfähig macht und menschliche Eingriffe mit der Zeit reduziert?
Manipulationsrichtlinien wie Vision-Language-Action-Modelle scheitern häufig an ungewöhnlichen Objektkonstellationen nach Fehlern, da Trainingsdaten überwiegend erfolgreiche Trajektorien aus Standardausgangszuständen enthalten. Wiederholtes Ausführen der Aufgabenrichtlinie löst die zugrunde liegende Störung nicht, und das direkte Erlernen von Korrekturen auf Hardware ist wegen häufiger Resets und Beschädigungsrisiken teuer. Zudem fehlt ein geschlossener Kreislauf, der Fehler diagnostiziert, eine Korrektur auswählt oder entwickelt, deren Erfolg verifiziert und die gewonnenen Daten gezielt der passenden Richtlinie zuführt.
Bisherige Ansätze umfassen Code-as-Policy-Agenten wie CaP-Agent0, RATs und ASPIRE, die Programme aus Rückmeldung verfeinern, sowie VLA-Modelle wie π0, π0.5 und MolmoAct2. Separate Recovery-Controller wie Recovery RL, RecoveryChaining, RACER und FailSafe behandeln Wiederherstellung getrennt von der Aufgabenpolitik, koppeln aber Simulation, physische Verifikation und kontinuierliches Lernen nicht durchgehend. DAgger und human-gated Verfahren sammeln Expertenlabels, fordern jedoch oft Unterstützung bei jedem besuchten Zustand an oder verbessern nur eine einzelne Richtlinie.
Recova trennt Aufgabenausführung und Szenen-Wiederherstellung in zwei Richtlinien. Ein Coding-Agent baut aus Kameraaufnahmen, Kalibrierung und Roboterbahnen einen MuJoCo-Digital-Twin der Workstation, exploriert dort Aufgaben, diagnostiziert Fehler und entwickelt sowohl programmatische Recovery-Skills für eine Bibliothek als auch Trainingsrollouts für eine sprachkonditionierte Recovery-Policy. Im echten Einsatz überwacht ein Vision-Language-Monitor den Fortschritt, löst bei Bedarf gelernte oder programmatische Recovery aus, verifiziert die Szenen-Wiederherstellung anhand der Ausgangsbilder und fordert nur bei erfolgloser autonomer Korrektur eine menschliche Demonstration an. Diese Demonstrationen werden getrennt der Aufgaben- oder Recovery-Richtlinie zugeordnet; paralleles DAgger über vier Workstations sammelt Erfahrungen gleichzeitig.
In Simulation erreicht Recova auf LIBERO-Pro im Mittel 78,8 Prozent Erfolg über sechs Settings und liegt 7,1 Punkte vor ASPIRE, der stärksten Baseline. Die größten Zugewinne gegenüber ASPIRE entstehen bei Goal-Task 22,0 Punkte und Spatial-Task 23,0 Punkte; auf der Object-Suite bleibt ASPIRE stärker. Auf MolmoSpaces erreicht Recova 64,9 Prozent mittlere Erfolgsrate und übertrifft RATs als stärkste Baseline um 26,9 Punkte; die Kategorien Pick, Pick-and-Place, Open und Close liegen bei 78,7, 40,5, 56,5 und 83,9 Prozent. Auf vier realen bimanualen YAM-Aufgaben mit je 20 Versuchen steigt die mittlere Erfolgsrate von 23,8 Prozent der Basis-Task-Policy auf 77,5 Prozent nach DAgger-Feintuning und auf 87,5 Prozent mit Recovery-Skills. Pencil box verbessert sich von 20,0 über 70,0 auf 85,0, Stack rings von 35,0 über 75,0 auf 90,0, Draw tile von 25,0 über 85,0 auf 90,0 und Discard tile von 15,0 über 80,0 auf 85,0. In vier DAgger-Runden bei der Aufgabe Draw tile fällt die beobachtete menschliche Eingriffsrate von 87,5 auf 0 Prozent, während der Anteil der von der Task-Policy abgeschlossenen Episoden von 12,5 auf 85,7 Prozent steigt. In einer 14-minütigen Sitzung auf vier Stationen absolvierte die Task-Policy 22 von 31 Episoden, menschliche Steuerung machte 11 Prozent der summierten Stationszeit aus.
Der Beitrag ist ein Preprint und nicht als begutachtet ausgewiesen. Die realen Experimente umfassen vier Aufgaben auf einem einzigen Workstation-Typ mit je 20 Versuchen pro Konfiguration; die digitale Zwillingsrekonstruktion in MuJoCo kann Kontaktdynamik und Sensorbedingungen nicht vollständig abbilden. Die Autoren weisen darauf hin, dass die automatische Registrierung neu gelernter Skills und die Wiederverwendung über Aufgaben hinweg noch ausstehen. Ob der Code veröffentlicht wird, ist im Paper nicht berichtet.
Unternehmen mit Flotten manipulierender Roboter, etwa in Logistik, Montage oder Haushaltsrobotik, könnten Recova nutzen, um Fehlerbehebung systematisch zu lernen und menschliche Eingriffe zu reduzieren. Da das Framework auf vorhandene VLA-Basismodelle wie π0.5 oder MolmoAct2 und einen VLM-Monitor aufsetzt, ist eine Integration in bestehende Stacks innerhalb von 1 bis 3 Jahren denkbar, sofern digitale Zwillinge zuverlässig rekonstruiert und mehrere Workstations parallel betrieben werden können. Voraussetzung ist außerdem, dass die Recovery-Skills über Aufgaben hinweg generalisiert oder automatisch registriert werden, was die Autoren als nächsten Schritt nennen.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.