浙大联合 TeleAI 提出 GR-BC，用图搜索从机器人试错中找出有效动作

浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）与伽马智能白辰甲团队提出 Graph-Reweighted Behavior Cloning（GR-BC）方法，相关工作已被 CORL 2026 接收。

该方法将同一任务的多次机器人尝试经验构建为包含时间边与跨轨迹相似边的关联图，从成功终点反向搜索得到各状态到成功的最小路径代价，映射为图检索进度后为符合净进展、回退限制要求的有效动作片段分配训练权重，无需额外训练奖励模型或进度预测器，还支持新轨迹回流迭代更新权重。

真机实验覆盖四孔零件装配、显卡插装、双螺钉拧紧、内存条插装四类精细操作，以 X-VLA 为骨干时平均成功率约 91%，显著优于类 DAgger 等基线，且可兼容 SmolVLA、π₀.₅等不同骨干，还能精准区分轨迹成败、捕捉成功过程中的局部退步。

该方法可充分挖掘不完美示范中的局部有效经验，为机器人操作领域的预训练数据清洗、后训练数据质量优化、任务进度评估提供新思路，可支撑工业级毫米级精细插接、装配场景下鲁棒机器人策略的学习。