在机器人学习领域，策略评估通常只看"任务是否成功"这一二值信号。但在真实部署中，任务完成的质量同样重要——传送带上的机器人需要快，端送酒杯的机器人需要稳。KAIST、LG电子与微软研究院等机构的研究者提出了质量可控策略（Quality-Controllable Policy，QCP），让机器人能够在推理阶段按需调节执行质量，并通过迭代式事后重标记（iterative hindsight relabeling）把可控范围扩展到初始演示数据之外。

图 1：QCP 与迭代事后重标记整体框架。左侧为质量条件化：同一策略接收不同质量标签，输出急动或平滑的动作；右侧为迭代事后重标记循环；下方是速度（传送带作业）与稳定性（端送酒杯）两个示例。

项目介绍

QCP 将执行质量作为显式的条件输入，训练前先测量每条成功轨迹的质量分数，再按等频分箱（equal-frequency bins）量化为 q0–q3 四级标签（q3 为最高一档），每一档的样本数量相同；策略在所有成功轨迹上以质量标签为条件训练，一条策略可同时以六个质量属性为条件——完成时间、动作平滑度、末端执行器平滑度、末端执行器速度、平移路径、旋转路径，既可单独调节，也可组合调节。在推理阶段，操作人员指定对应质量标签，就可以调整机器人的运动行为。

为突破初始示范数据集的质量上限，研究引入迭代事后重标记循环。系统会按照设定的质量标签采集实际运行轨迹，保留任务成功的样本，依据实际表现重新计算整个累积数据集的标签，然后重新训练。整套流程无需人工标注质量信息，随着更优经验不断进入数据，可实现的质量区间被逐步推高，任务成功率与执行品质同步改善。仿真环境下，该方法在 Robomimic、RoboEval 测试任务中，可同时改善大部分运动质量指标，结果优于 SORL、SCIQL+、BC-Q 与 BC 等基线。

Franka 在项目中的作用

仿真实验的结果需要实体机器人来检验算法在物理环境中的可行性，本项目选用搭载 DROID 硬件与相机套件的 Franka 机械臂作为真实实验载体，完成两组典型实操任务的验证。

研究人员借助该机械臂的遥操作功能采集原始示范数据。传送带作业收集 400 组有效示教片段，构成初始数据集；酒杯搬运任务则是在 382 次遥操作中筛出 50 次成功样本，成功率仅 13.1%——移动中保持托盘水平，对人手遥操作同样困难。

项目设置两类现实任务。一是传送带作业，传送带每 3 秒送来一个罐子，吞吐量定义为每分钟成功抓取的罐数，需要在动作速度与成功率之间同时兼顾；二是托盘搬运酒杯，需要维持托盘平稳，避免酒杯倾倒，以托盘相对水平面的倾角衡量稳定性。Franka 执行 QCP 输出的动作指令，并承担每一轮迭代中新增轨迹的采集。

两组任务的收益都可以量化。传送带作业的吞吐从 8.2 提升到 13.0 罐/分钟（+59.3%），末端执行器平均速度从 188.6 提升到 257.6 mm/s（+36.6%），已超过人类遥操作时的 173.5 mm/s；端送酒杯任务的托盘倾角从 0.0660 降到 0.0482 rad（-27.0%），成功率从 30.7% 提升到 42.0%。需要说明的是，这两个真机任务各自独立采集数据、独立训练，并未沿用仿真实验的模型；它们验证的是同一套机制在物理环境中同样成立，而不是仿真指标的直接迁移。

图 2：Base 与 QCP 的三项指标对比。左列为真实机械臂的端送酒杯任务（托盘倾角，越低越稳）；中、右列为仿真环境中的插入任务（所需步数、与虚拟人手的最近距离）。

结语：

QCP 研究证明，除了完成任务目标之外，机器人可以对运动风格、执行品质做可控调节。同一条策略换一个质量标签，就能在“更快”与“更稳”之间切换——这种能力来自质量条件化本身，而不是针对某个任务的专门调参。Franka 在这里承担的是把方法从仿真推向物理部署的验证角色，两组真机任务都出现了可量化的收益，也体现了实体机器人在机器人学习研究里，承担数据采集与算法验证的重要价值。

信息来源：项目主页 https://sinnnj.github.io/qcp；论文 arXiv:2610.37393。