When Does Legacy Data Start to Help? Emergent Transfer in Cross-Configuration Robot Learning
作者: Tao Wang, Hudson Hou, Yingdong Hu, Yufeng Liu, Qinghai Li, Yingjie Jiang, Yingzhi Wang, Cheng Ma, Richard Wang, Yang Gao
分类: cs.RO
发布日期: 2026-07-28
💡 一句话要点
提出跨配置机器人学习中的遗留数据利用策略
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 机器人学习 遗留数据 跨配置 任务能力 共训练策略 转移阈值 实验验证
📋 核心要点
- 现有方法未能有效利用升级机器人中的遗留数据，导致数据利用效率低下。
- 提出了一种基于任务能力的转移阈值理论，描述了遗留数据的有效利用阶段。
- 实验结果显示，在不同任务中，遗留数据的利用效果呈现三阶段特征，验证了理论假设。
📝 摘要（中文）
机器人硬件随着时间不断演变，但演示数据通常与特定的传感器和执行器配置相关联。本文探讨了遗留数据在升级机器人时何时开始发挥作用的问题。通过在两代硬件上对轮式类人机器人进行研究，发现遗留数据在升级配置达到最低任务能力之前是无效的，之后共训练收益迅速上升，最终趋于饱和。我们假设这一任务依赖的转移阈值决定了这种三阶段模式，并在实际操作任务中验证了这一理论。
🔬 方法详解
问题定义：本文旨在解决在机器人硬件升级后，如何有效利用遗留数据的问题。现有方法假设跨配置数据总是有益，但缺乏对何时有效的深入研究。
核心思路：提出了一种基于任务能力的转移阈值理论，认为遗留数据在升级配置达到一定能力之前是无效的，之后共训练收益会迅速增加。
技术框架：研究采用了轮式类人机器人，比较了两代硬件的表现，主要模块包括任务能力评估、遗留数据利用和共训练策略。
关键创新：提出了三阶段模式的理论框架，明确了遗留数据的有效利用条件，突破了传统方法的局限。
关键设计：在实验中设置了不同的任务能力阈值，采用了梯度对齐和残差策略不确定性等技术细节，以优化数据利用效率。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在花插入任务中，遗留数据的利用效果在任务能力从10%提升至23.3%后，收益迅速上升至86.7%；在笔插入任务中，从85%提升至93.3%时收益趋于饱和，验证了三阶段模式的有效性。
🎯 应用场景
该研究的潜在应用领域包括机器人操作、自动化生产线和智能家居等。通过有效利用遗留数据，可以显著提高机器人在新硬件上的学习效率，降低训练成本，推动机器人技术的快速发展。未来可能影响机器人学习系统的设计和数据管理策略。
📄 摘要（原文）
Robotic hardware evolves over time, but demonstration data is often tied to a specific sensor and actuator configuration. This raises a practical and underexplored question: when does legacy data begin to benefit an upgraded robot? We study this question on a wheeled humanoid platform across two hardware generations, where both the camera and gripper are changed while the overall morphology remains fixed. Contrary to the common assumption that more cross-configuration data is always helpful, we observe a grokking-like transition: legacy data remains ineffective until the upgraded configuration acquires a minimum level of task competence, after which co-training gains rise sharply before diminishing near saturation. We hypothesize that this task-dependent transition is governed by a transfer threshold and characterize the resulting three-phase pattern. Across real-robot manipulation tasks, we observe all three phases: no measurable benefit at low competence ($10.0\% \rightarrow 10.0\%$), a sharp gain after crossing the threshold ($23.3\% \rightarrow 86.7\%$ on flower insertion), and diminishing returns at high competence ($85.0\% \rightarrow 93.3\%$ on pen insertion). We provide a theoretical account based on gradient alignment and residual policy uncertainty, and derive a phase-aware rule for deciding when to collect more new-hardware data and when to reuse legacy demonstrations. We further validate this three-phase pattern on a mobile dual-arm watering task, with results consistent with our predictions.