[RO]《HABIT: Human-Aware Behavior and Interaction Training Dataset for Robot Manipulation》J Song, S Jeong, B Jeon, S Kim… [Config] (2026)

在通用机器人操控领域，缺乏人类参与的训练数据是一个悬而未决的难题。过去的方法受困于“人类缺席”的理想化场景，本质原因是现有数据集（如 RT-1, DROID）均在无人的实验室或居家环境中采集，导致策略无法理解并响应人类的社交信号、空间占用及协作意图。

本文的核心洞见是：把人类存在重新看作机器人感知与动作空间的一个动态维度。由此，通过定义协作、共事、监督三种交互角色，并引入“反应式交互”采集协议（即机器人必须观察到人类动作后才执行后续步骤），这一关键操作使机器人学会了空间避让、手势对齐及动作同步等拟人化行为。

这项工作真正留下的遗产是构建了首个大规模（164小时/1万余次尝试）的人机交互操控数据集 HABIT。它为后来者打开的新门是证明了“人类意识”可通过数据驱动的方式内化为机器人的基础能力，但尚未跨过的门槛是多人在场下的复杂博弈，以及在极端非典型人类行为下的安全性边界保障。

arxiv.org/abs/2606.31682 机器学习 人工智能 论文 AI创造营