口袋牛店：面包横放暴露机器人控制短板 黑马方案揭示内部机制

一块面包的摆放方式变化常常让已训练完成的机器人出现抓取偏移。

训练阶段多为竖放姿态，一旦转为横放，机械臂虽能识别物体却在位置上出现偏差。

原始策略在这种分布外场景下的成功率仅为百分之五。

偏差来源：初始位姿超出训练范围

整套抓取移动放置流程本身已掌握，只是起始姿态偏离了训练分布。

重新采集数据或增加训练会带来额外时间与算力消耗。

端到端模型的黑盒特性也让问题定位变得困难。

核心突破：定位动作控制特征

研究显示语言层表征多扮演解说角色，对实际动作贡献有限。

真正驱动姿态与速度的特征集中在动作专家层。

通过五道关卡验证才能确认特征具备因果控制能力。

模型构建：稀疏分解与定向干预

Gravity Control 在残差流中引入稀疏自编码器提取可解释特征。

定向放大或抑制特征后观察物理响应并筛选特异性。

口袋牛店 确保干预仅影响目标自由度。

实际效果：成功率显著提升

真实分布外任务中整体成功率从百分之十七点五升至百分之八十七点五。

横放面包单项从百分之五升至百分之九十五。

操作人员用一句提示即可在线调节，无需更新权重。

口袋牛店 方案还支持闭环门控保障安全。