人形双臂操作中策略诱导的手部先验：诊断和减轻初始姿势依赖性

视觉-语言-动作（VLA）策略预计能够在机器人初始配置的变化中稳健运行，但总体任务成功可能会掩盖特定姿势的失败和不适当的手部选择。这项工作研究了基于 VLA 的人形双臂操作中的初始姿势依赖性。我们将依赖于初始条件的早期手牌偏好描述为策略诱导的手牌先验，并使用 HandPriorScore、残余手牌偏差和目标响应性对其进行量化。对多个策略和 17 种初始配置的评估揭示了强烈的初始姿势-策略相互作用：相同的姿势在不同策略中产生显着不同的成功率，而单个策略在不同姿势之间表现出巨大的性能差异。特定的初始手臂配置可以抑制或诱发不对称的手部偏好，从而导致不同策略的方向和强度各不相同。手腕摄像头的观察也会影响手的选择和任务表现。扩大训练数据集中的初始姿势覆盖范围可以显着提高鲁棒性，而围绕低性能配置的有针对性的增强则可以提高其成功率。不同训练配置的比较表明，充分接触目标模拟任务是有益的，而真实或辅助数据的效果取决于姿态覆盖、模拟比率和观察可用性。这些发现先验地描述了姿势条件手的特征，将局部初始手臂配置确定为手选择行为的因果处理，并演示了数据覆盖和训练组成如何影响初始姿势的鲁棒性。