Data Analogies Enable Efficient Cross-Embodiment Transfer

通用型机器人策略是在涵盖多种机器人、场景及视角的演示数据上进行训练的。然而，目前尚不清楚应如何最优地组织与扩展这类异构数据，才能真正提升其在特定目标场景下的性能表现。本研究探讨的核心问题是：何种形式的演示数据最有利于实现跨机器人构型的策略迁移？为此，我们开展了受控实验，系统性地改变末端执行器的形态、机器人平台的外观以及相机视角，并对比了单纯增加演示样本数量与以不同方式系统性拓展数据多样性这两种策略的效果。仿真结果表明：对于视觉感知层面的变化（如视角差异），广泛而多样的数据最为有效；而对于末端执行器形态变化带来的挑战，无结构的多样性提升效果甚微，反而是借助“数据类比”——即在不同机器人本体之间对齐场景、任务乃至运动轨迹的成对演示数据——能带来最显著的性能增益。受仿真结果启发，我们在真实世界中仅通过调整数据构成（而非采集更多数据或修改模型），便将跨本体迁移的成功率平均提升了22.5%，显著优于基于大规模、非配对数据集所取得的效果。

如何组织和扩展异构的机器人演示数据（跨机器人形态、平台外观、相机视角）以最大化跨机器人部署的泛化性能？论文验证的核心假设是：盲目扩大数据规模不如有针对性地构建结构化多样性（尤其是跨形态的配对类比数据）有效。这不是全新问题，但首次系统解耦并量化了‘多样性类型’与‘迁移收益’之间的因果关系。

提出‘数据类比’（data analogies）——即在不同机器人平台上对齐场景、任务和轨迹的成对演示——作为跨形态迁移的关键驱动力；区别于主流的大规模无配对数据集范式，强调结构化对齐而非单纯数量或表观多样性。新意在于揭示形态差异迁移瓶颈的本质是运动学-感知耦合失配，而配对类比能显式建模这种映射，远超随机多样性带来的边际增益。

在仿真中严格控制变量：独立调节末端执行器形态（如夹爪vs吸盘）、机器人外观（颜色/纹理）、相机视角（高度/角度），并对比‘缩放规模’vs‘拓宽多样性维度’vs‘引入配对类比’三类策略；真实世界验证仅通过重采样现有数据集（不新增采集）即提升22.5%成功率；实验基于Ravens和BridgeData仿真/真实基准，代码与数据划分已开源；值得深入：如何自动发现或合成高质量数据类比，以及将类比学习嵌入预训练目标。

Learning Transferable Robot Manipulation Skills from Human Demonstrations (CoRL 2022); RT-1: Robotics Transformer for Real-World Control at Scale (CoRL 2023); RoboCat: Data-Efficient Robotic Learning with Self-Improving Transformers (ICML 2023); Cross-Embodiment Imitation Learning via Latent Space Alignment (RSS 2023)