Marco Graph-as-Policy Logra Tasas de Éxito del 0.93 al 0.99 en Manipulación de Robots

El AUTOLab de la Universidad de California en Berkeley y NVIDIA han lanzado un marco que logra tasas de éxito del 0.93 al 0.99 para tareas de manipulación de robots en el mundo real con variaciones en la geometría y posición de los objetos. El sistema Graph-as-Policy (GaP), que trata la Automatización Variacional como un problema de síntesis de grafos, informó de 18.3 ciclos de lavado de cajas bimanuales por hora y 25 éxitos consecutivos en el cumplimiento de pedidos de comestibles con un brazo Franka. GaP utiliza un arnés de codificación multi-agente basado en LLM para generar grafos de cómputo dirigidos ejecutables a partir de una biblioteca de habilidades modulares.

El marco se centra en la Biblioteca de Habilidades Robot de Mora (MORSL), que ofrece 51 primitivas predefinidas de percepción, planificación y control. Un agente de orquestación LLM segmenta una descripción de tarea en lenguaje natural en segmentos conscientes de habilidades y asigna agentes específicos de habilidades para sintetizar subgrafos localizados de MORSL. El orquestrador luego integra estos en un único grafo de cómputo dirigido, que somete a verificación de tipo estático antes de la ejecución, con aristas de reintentos explícitas hacia atrás y rutas de fallo que convergen en abortar o éxito.

El equipo evaluó GaP en hardware Franka, UR5 y Franka bimanual en ocho nuevos benchmarks de Automatización Variacional: cuatro en simulación NVIDIA Isaac y cuatro en robots físicos. El mecanismo operativo depende de un bucle de ensayo de autoaprendizaje dentro de la simulación. Después de compilar un grafo inicial, GaP ejecuta instancias de tareas con parámetros variables en paralelo, refinando iterativamente la estructura del grafo y los parámetros del nodo en función de la retroalimentación de contacto y señales de éxito. Por ejemplo, en la tarea de hacer palomitas de maíz, el grafo generado inicialmente por LLM solo logró un 33% de éxito en la simulación debido a malas aferradas en la sartén. Después de diez iteraciones de ensayo simulados, el grafo refinado alcanzó un 94% de éxito en la simulación y un 90% en el robot real. El cumplimiento de pedidos de comestibles logró 25 de 25 en el Franka real, e inserción de cables USB-C en un UR5 equipado con retroalimentación de fuerza manejó varios pedidos en 50 pruebas.

La página del proyecto afirma 77 segundos desde el prompt de lenguaje natural hasta el grafo generado y el autoaprendizaje basado en simulación en los benchmarks, aunque el papel de arXiv no detalla la latencia del reloj de pared por etapa o iteración. El rendimiento y la confiabilidad están estrechamente vinculados al presupuesto de ensayo, ya que la política es ineficaz sin iteraciones simuladas. Esto crea una dependencia en la fidelidad del entorno de simulación generado internamente, y la caída del 4% en la simulación a la realidad en la tarea de palomitas de maíz indica que la manipulación rica en contacto aún introduce errores a través de la brecha de la realidad. La cifra de 18.3 ciclos por hora de lavado de cajas bimanuales, aunque una métrica de rendimiento concreta, también es una tasa que la automatización fija tradicional excedería, resaltando el análisis coste-beneficio de la adaptabilidad aprendida.

GaP está diseñado para estaciones de trabajo delimitadas bajo la suposición de Automatización Variacional, donde los SKU de objetos y las distribuciones de posición se conocen con anticipación, evitando la complejidad del mundo abierto que persiguen las políticas VLA sin modelo. Las 51 habilidades de la biblioteca MORSL limitan la cobertura, y cualquier tarea que requiera primitivas fuera de la biblioteca rompe la cadena. Mantener contratos de tipo estático en todas las primitivas es un costo de curación que escala con el tamaño de la biblioteca. Además, los 25 éxitos consecutivos en el cumplimiento de pedidos de comestibles, aunque impresionantes, representan una validación de muestra pequeña y proporcionan información limitada sobre las tasas de fallo a largo plazo bajo operación continua, cambios de turno y deriva de sensores.

El mensaje clave es reemplazar las políticas de agentes LLM monolíticas con grafos de ejecución estructurados explícitamente, con verificación de tipo, que incorporen semánticas de reintentos y abortar, luego cerrar el bucle con pruebas de regresión basadas en simulación antes de involucrar hardware real.