ROSER：面向可扩展机器人学习的小样本机器人序列检索

机器人学习的一个关键瓶颈是任务标注、分段训练数据稀缺，而大规模机器人数据集其实很多，只是以长而连续的交互日志形式记录。现有数据集包含大量多样行为，却与现代学习框架的结构要求不兼容：后者需要干净分段、任务特定的轨迹。这形成一种数据利用危机：数据在，但难以直接变成可训练样本。该工作值得看的地方在于，它把数据策展重新表述为 few-shot retrieval：用少量参考示例从无标签日志中抽取可复用的任务片段，而不是先做密集标注。

该工作形式化 robotic sequence retrieval，即仅用少量参考示例从无标签日志中提取任务中心片段的任务。提出的 ROSER 是一个轻量 few-shot 检索框架，学习时间窗口上的 task-agnostic metric spaces。它基于 Prototypical Networks，用 support examples 的 embedding 表示任务，再通过最近原型比较检索新片段；输入是原始 proprioceptive time series，部署时不需要任务特定训练。评估方面，作者建立 evaluation protocols，在 LIBERO、DROID、nuScenes 三个大规模数据集上，与 classical alignment methods、learned embeddings、language model baselines 对比。

关键主张之一是检索所需示例极少：材料给出的数字是 3-5 个 demonstrations，即可实现准确检索。这意味着任务定义可以从少量参考轨迹开始，而不必为每个任务收集大规模标注集。ROSER 不在部署阶段做任务特定训练，而是依赖学到的 task-agnostic 度量空间，在短时间窗口上比较相似性。作者还称，这是首批仅使用 proprioceptive time-series 信号研究 few-shot robotic sequence retrieval 的工作之一。

在三个大规模数据集上的实验显示，ROSER 在 accuracy 和 efficiency 上都优于所有 prior methods；对比对象覆盖经典对齐、学习嵌入和语言模型基线。效率方面，材料给出 sub-millisecond per-match inference，也就是单次匹配推理低于一毫秒。结果还强调 superior distributional alignment，说明检索出的片段不仅在单点上相似，在分布层面也更对齐。换句话说，这套方法同时把“找得准”和“找得快”作为卖点，而不是只追求检索质量。

这些结论的实践含义是，数据策展可以从“人工分段加标签”转向“少量示例定义任务、检索批量找片段”。材料指出，这种做法可消除 exhaustive annotation，支持快速适应新任务，并通过 learned similarity 而不是脆弱的 template matching 处理执行变异。换句话说，面对长日志数据集，团队可以用少量演示快速构造任务特定数据子集，而不必为每个任务写数据集特定的启发式规则。作者认为，这为解锁 underutilized robotic datasets 提供了实际路径，并改善 robot learning 的数据可用性。

适合读这份资料的人，是关心机器人学习数据管线、轨迹检索、少样本学习和 VLA/世界模型数据

Published as a paper at 3rd DATA-FM workshop @ ICLR 2026, Brazil. ROSER: FEW-SHOTROBOTICSEQUENCERETRIEVAL FORSCALABLEROBOTLEARNING Zillur Rahman ∗ University of Nevada, Las Vegas Eddison Pham University of Toronto Alejandro Daniel Noel LatentWorlds AI, NL Cristian Meo † LatentWorlds AI, NL ABSTRACT A critical bottleneck in robot learning is the scarcity of task-labeled, segmented training data, despite the abundance of large-scale robotic datasets recorded as long, continuous interaction logs. Existing datasets contain vast amounts of diverse be- haviors, yet remain structurally incompatible with modern learning frameworks that require cleanly segmented, task-specific trajectories. We address this data utiliza- tion crisis by formalizing robotic sequence retrieval: the task of extracting reusable, task-centric segments from unlabeled logs using only a few reference examples.