机器人拆解不再只靠示范：PACER把自主回放与人工纠正变成训练权重，主板取件成功率87/100
核心概要
电子废弃物拆解中，视觉-语言-动作（VLA）策略的示范数据稀缺，仅靠监督微调难以覆盖部署时遇到的状态偏移。PACER把机器人自主回放、操作员纠正和补充干净示范统一成带过程角色的动作块行，按朝目标推进的程度和轨迹来源给每行赋权，仍沿用原有的监督动作损失。在UR5e主板拆解五个部件的留出硬件测试中，选出的策略完成87/100次接近与交接试验，均匀加权的后监督微调为54/100，固定几何加权为79/100。
深度剖析
拆解策略的训练数据不再只有干净示范：机器人自己跑出的成功、接近成功和失败轨迹，以及操作员从失败状态接管写下的纠正，都进入后训练数据，并按各自的过程角色参与监督。 此前的后监督微调只用补充干净示范和纠正并统一加权，均匀纳入全部可用行的版本为64/100，而只保留干净示范或只保留纠正的版本都低于这一基线。 在UR5e主板拆解的五个部件上，每个方法在留出硬件配置上跑20次、共100次试验，选出的PACER策略成功87次，固定几何加权79次，均匀纳入全部可用行64次，统一加权的后监督微调54次。
权重来自每条动作块相对声明目标的过程证据，而不是二值成败标签：工具中心点的推进量、末端接近程度、是否进入目标区域、朝向目标的位移，以及停止与交接是否符合阶段预期，共同决定这一行在损失里占多大分量。 同一部件、同一接近阶段、同一过程角色的行之间先做中位数中心化和稳健尺度归一，再经温度、角色乘子和上下限裁剪转成有界权重，干净示范与纠正各自保留协议下限。 八个预先声明的加权设置在训练集上各拟合一个LoRA适配器，用配置不相交的验证行打分并做安全审计后选出一个；本次选中的是强调终端区域与停止信号的设置。
启示与展望
结论建立在UR5e机械臂的主板拆解任务上，覆盖CPU、GPU、CPU风扇、RAM和连接器块五类部件，策略只作为动作块规划器被评估，评分在接近与交接阶段结束，下游执行栈对所有方法固定不变。留出测试每个部件两种场景配置、每种配置10次试验，共100次。
PACER依赖准确的轨迹元数据，包括目标几何、过程角色、操作员标签、掩码和来源字段；对更广泛的元数据错误和损坏训练标签的稳健性尚未测试。验证重采样下领先候选之间难以区分，八个候选的验证分差不到千分之几，该分数与闭环硬件表现之间的校准仍然有限。配置比较和数据源消融没有分离证据特征、角色乘子、协议下限和候选选择的单独作用。