浙江大學團隊推出 GR‑BC 演算法，利用失敗試錯數據提升機械人精細操作能力

11月3日消息，在 CoRL2026 大会上，浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）、伽马智能白辰甲团队，发布全新机器人操作算法GR‑BC（Graph‑Reweighted Behavior Cloning，图加权行为克隆）。

该方法可从机器人大量不完美试错轨迹里提取有效动作片段，无需完整完美示范样本，显著提升机器人精细装配任务的成功率，相关论文、项目主页与代码均已公开。

在机器人实操场景中，像拧螺丝、硬件插接这类精细作业，即便是熟练操作人员做遥操作采集数据，也很难产出全程零失误的示范轨迹。一条最终成功的轨迹中夹杂无效调整动作；而失败的试错记录里，也会存在部分对齐、定位等高质量局部动作。

传统行为克隆通常以整条轨迹作为学习单元，容易浪费大量蕴含价值的不完美样本。GR‑BC 的核心思路便是跳出 “完整示范” 的局限，把多轮尝试的碎片化经验构建成状态图，在图中搜寻最优可行路径，筛选出高价值动作片段指导模型学习。

整套算法分为构图、反向图搜索、动作加权训练、新轨迹回流迭代四大环节。

首先构建状态图：算法调用冻结的 MCR 视觉编码器，融合多相机视角视觉特征与夹爪状态生成图节点。节点之间设置两类连接，时间边连接单条轨迹内时序相邻节点，距离对应实际物理时间；相似边跨不同轨迹建立关联，需要同时满足多视角近邻、夹爪状态匹配、归一化距离低于阈值三项条件，打通不同试错样本之间的状态通路。

完成建图后，算法从任务成功终点出发执行反向 Dijkstra 搜索，计算各个状态抵达任务成功所需的最小路径代价，换算为 0‑1 区间的图检索进度 GRP。随后对每一段动作片段设置双重校验标准：既要满足足够的净任务进展，同时中途回退幅度不能超过限定阈值。通过校验的动作片段赋予正向训练权重，无效片段权重置零，权重直接作用于 VLA 模型损失函数，不需要改动原有模型架构。

机器人每一轮实际运行产生的成功、失败、人工干预轨迹都会补充进数据集，动态更新状态图与权重，开展下一轮离线训练，新数据能够重新评估旧片段的学习价值，无需额外训练奖励模型或者进度预测模块。

研究团队开展真机测试，覆盖四孔零件装配、显卡插装、双螺钉拧紧、内存条插装四项高难度精细任务，其中内存条 DDR4 插槽开口仅约 1 毫米，对姿态、位置对齐要求严苛。

以 X‑VLA 作为基础骨干模型时，GR‑BC 在四项任务上成功率分别达到 98%、93%、89%、83%，平均成功率约 91%；作为对比，类 DAgger 等权聚合基线方案平均成功率仅 64%，性能提升 27 个百分点。

该算法同时具备良好的模型兼容性，在显卡插装任务上，更换 SmolVLA、π₀.₅作为骨干网络，GR‑BC 表现依旧优于对应基线。评测结果显示，GR‑BC 生成的 GRP 进度信号不仅可以区分任务最终成败，还能够精准识别成功轨迹过程中出现的偏移、滑脱等回退现象，局部偏离检出比例达 0.92。

现实机器人真机采集数据成本高昂，GR‑BC 不再苛求完整完美的示范轨迹，把数据价值评估粒度从整条轨迹下沉到每一段局部动作，充分挖掘失败试错样本中的可用信息。

该技术可为机器人预训练数据筛选、后训练优化、任务进度评估提供新方案，面向工业毫米级装配插接场景，能够帮助机器人学会纠错和故障恢复，推动实操机器人策略鲁棒性进一步提升。