# GUARD styr robotpolicyer bort från riskfyllda handlingar

> En ny metod använder avvikelsepoäng från en policys träningsdata för att styra robotens handlingar. Forskarna rapporterar förbättringar i simulerade uppgifter och verkliga manipulationstester.

Oossa · 2026-11-10 · https://oossa.com/sv/guard-steers-robot-policies-away-from-risky-actions

Forskare har presenterat GUARD, en metod för att styra generativa robotpolicyer under körning utan att ändra den förtränade policyn. Metoden kombinerar uppgiftsbelöningar med avvikelsepoäng – signaler om att en handling ligger utanför de mönster som träningsdata stöder – och använder en inlärd Q-funktion för att styra hur policyn genererar handlingar.

I fyra simulerade uppgifter med avancerad fingerfärdig manipulation rapporterar forskarna en genomsnittlig träffsäkerhet på 96% under normala förhållanden och 80% när dynamiken stördes. Det är 21 respektive 20 procentenheter bättre än den starkaste jämförelsemetoden. De rapporterar också förbättringar på 40 procentenheter för rotation av en skruvmejsel i handen och 25 procentenheter för omorientering i direkta tester från simulering till verklighet.

## Fakta

- Artikeln rapporterar tester på fyra Adroit-uppgifter för fingerfärdig manipulation.
- Versionshistoriken på arXiv anger att den första versionen publicerades den November 7, 2026.

## Varför det spelar roll

För robotikteam som anpassar generativa policyer till föränderliga förhållanden erbjuder GUARD ett sätt att använda avvikelser från träningsdata som varningssignaler när handlingar väljs. Artikeln rapporterar lovande resultat, men visar inte hur väl metoden fungerar utanför de testade uppgifterna.

## Källor och referenser

1. [GUARD: Anomaly-Informed Q-Steering for Generative Robot Policies in Dexterous Manipulation](https://arxiv.org/abs/2611.10343) – arXiv cs.RO, 2026-11-10

Senast uppdaterad: 2026-11-10