Quadro Graph-as-Policy Alcança Taxas de Sucesso de 0,93-0,99 em Manipulação de Robôs

A AUTOLab da UC Berkeley e a NVIDIA lançaram um quadro que alcança taxas de sucesso de 0,93-0,99 para tarefas de manipulação de robôs no mundo real com variações na geometria e na pose dos objetos. O sistema Graph-as-Policy (GaP), que trata a Automação Variacional como um problema de síntese de grafo, relatou 18,3 ciclos de lavagem de caixas bi-manuais por hora e 25 sucessos consecutivos em atendimento de mercearia com um braço Franka. O GaP utiliza um arnês de codificação multi-agente baseado em LLM para gerar grafos de computação direcionados executáveis a partir de uma biblioteca de habilidades modular.

O quadro é centrado na Biblioteca de Habilidades de Robôs Abertos Modulares (MORSL), que oferece 51 primitivos predefinidos de percepção, planejamento e controle. Um agente LLM de orquestração segmenta uma descrição de tarefa em linguagem simples em segmentos conscientes de habilidades e atribui agentes específicos de habilidade para sintetizar subgrafos localizados de MORSL. O orquestrador, então, integra esses em um único grafo de computação direcionado, que passa por verificação de tipo estático antes da execução, com laços explícitos de repetição retroativa e rotas de falha convergindo em abortar ou sucesso.

A equipe avalia o GaP em hardware Franka, UR5 e Franka bi-manual em oito novos benchmarks de Automação Variacional - quatro na simulação NVIDIA Isaac e quatro em robôs físicos. O mecanismo operacional depende de um loop de ensaio de autoaprendizado dentro da simulação. Depois que um grafo inicial é compilado, o GaP executa instâncias de tarefa com parâmetros variados em paralelo, refinando iterativamente a estrutura do grafo e os parâmetros do nó com base em feedback de contato e sinais de sucesso. Por exemplo, na tarefa Fazer Popcorn, o grafo gerado inicialmente pelo LLM alcançou apenas 33% de sucesso na simulação devido a mal-afundamentos na panela. Após dez iterações de ensaio simulados, o grafo refinado atingiu 94% de sucesso na simulação e 90% no robô real. O atendimento de mercearia atingiu 25 de 25 no Franka real, e a inserção do cabo USB-C em um UR5 equipado com retroalimentação de força manipulou várias ordens em 50 tentativas.

A página do projeto afirma 77 segundos do prompt de linguagem natural para o grafo gerado para o autoaprendizado baseado em simulação entre os benchmarks, embora o artigo arXiv não detalhe a latência de relógio de parede por estágio ou iteração. A capacidade de processamento e confiabilidade estão estreitamente ligadas ao orçamento de ensaio, pois a política é ineficaz sem iterações simuladas. Isso cria uma dependência na fidelidade do ambiente de simulação gerado internamente, e a queda de quatro pontos percentuais de simulação para realidade na tarefa do popcorn indica que a manipulação rica em contato ainda introduz erro através da lacuna da realidade. A taxa de 18,3 ciclos por hora de lavagem de caixas bi-manuais, enquanto uma métrica de capacidade de processamento concreta, também é uma taxa que a automação fixa tradicional excederia, realçando a análise custo-benefício para adaptabilidade aprendida.

O GaP é projetado para estações de trabalho limitadas sob a suposição de Automação Variacional, onde as SKUs de objetos e distribuições de pose são conhecidas com antecedência, evitando a complexidade do mundo aberto que as políticas VLA sem modelo perseguiam. As 51 habilidades da biblioteca MORSL limitam a cobertura, e qualquer tarefa que exija primitivos fora da biblioteca quebra a cadeia. Manter contratos de tipo estático em todos os primitivos é um custo de curadoria que escala com o tamanho da biblioteca. Além disso, os 25 sucessos consecutivos no atendimento de mercearia, embora impressionantes, representam uma validação de amostra pequena e fornecem pouca visão sobre taxas de falha de longo prazo sob operação contínua, mudanças de turno e deriva de sensor.

A mensagem chave é substituir políticas de agentes LLM monolíticas por grafos de execução estruturados explicitamente, com verificação de tipo que incorporam semântica de repetição e abortar, e depois fechar o loop com testes de regressão baseados em simulação antes de engajar o hardware real.