Zero2Skill：通过自主数据收集、训练和部署引导机器人技能

自主数据收集控制着操纵政策学习的现实世界轨迹的数量和质量。现有的管道通过自重置、VLM 验证或语言引导的纠正来减少人力，但每当相同的故障再次发生时，就必须重新发布事件范围的修复，因此监督成本随着会话长度而不是随着明显问题的数量而增加。我们提出了 Zero2Skill，一种人机共生代理系统，其中的修正被保留并在各轮中重复使用。收集循环自动收集、验证和重置，仅当某个阶段耗尽显式重试预算时才为远程操作员暂停。 LLM 解析器将每个自然语言话语映射到存储在纠正内存中的结构化调整，因此通常不需要在相同条件下再次纠正已解决的故障模式。在真实的机器人桌面清理测试台上，Zero2Skill 与远程操作片段的成功相当，同时将人类工作时间减少到 16%。语言修正提高了验证者与人类在所有四种评估环境中的一致性，并将平均单次尝试成功率从 12.5% 提高到 47.5%（手臂选择：20.0% 到 50.0%）。根据 Zero2Skill 数据进行微调的政策与经过远程操作训练的政策的成功相匹配，而成本仅为收集人力成本的一小部分。