一句话看懂：论文提出用两阶段学习框架让机器人完成削皮这类接触丰富、成功标准高度主观的任务，在黄瓜、苹果、土豆上同品类成功率达到100%，再经偏好微调后性能最多提升约40%。
事件核心：发生了什么
据 alphaXiv 收录的论文摘要，研究团队以“用刀削皮”为代表性任务，构建了一套面向精细操作的学习流程。第一阶段通过力感知数据采集和模仿学习训练初始策略，使其能适应不同物体的外形变化；第二阶段引入学习到的奖励模型，把量化任务指标与人类定性反馈结合起来做偏好微调，让策略行为更贴近人对“削得好不好”的判断。
摘要给出的关键数据是：仅使用50至200条削皮轨迹，系统在黄瓜、苹果、土豆上实现100%同品类成功率，偏好微调后性能最多提升40%。此外，在某一品类上训练的策略可零样本迁移到部分留出品类的物体上：西葫芦成功率50%、梨90%、白萝卜80%。需要说明的是，以上结果来自摘要披露的实验条件，不代表已落地产品或经过同行评审的最终结论。
为什么重要
抓取放置类任务的成功标准通常是离散的“完成/未完成”，而备餐、手术、手工艺等场景的质量是连续且主观的，这使奖励设计和自动评测都很困难。该工作把“力感知采集+模仿学习”与“人类偏好奖励”串成流水线，为接触丰富、标准模糊的机器人任务提供了一条可复用的技术路线。对于具身智能与机器人学习领域，偏好学习此前更多用于语言模型和通用操作策略，此次向细粒度力控任务的延伸值得关注。
对用户/开发者/创作者的影响
对机器人开发者而言，值得留意的是小样本门槛：几十到两百条轨迹就能启动训练，意味着数据采集成本可能大幅下降，偏好微调也可作为现有模仿学习策略的后期优化手段。对家庭服务或食品加工方向的团队，这类力感知数据采集与奖励建模思路具备参考价值。不过目前公开信息仅限摘要，尚无模型、代码或数据集是否开源的说明，暂不宜将其视为可直接调用的工具或 API。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否会公开代码、数据与训练细节，决定社区能否复现；二是偏好奖励模型在不同刀具、食材硬度差异下是否稳定；三是零样本迁移在更多品类上的表现，以及从“削皮”推广到切片、雕刻等相邻任务的可能性。
来源：alphaXiv
