ForceDelta-VLA: Distilling Force-Conditioned ActionCorrections for Contact-Rich Manipulation

📄 arXiv: 2609.18242v1 📥 PDF

作者: Ju Dong, Yu Fu, Jian Chen, Yimeng Liu, Haocheng Zhao, Lei Zhang, Kaixin Bai, Liding Zhang, Diwen Zheng, Alois Christian Knoll, Angela P. Schoellig, Jianwei Zhang

分类: cs.RO

发布日期: 2026-09-16

备注: 8 pages, 8 figures

💡 一句话要点

提出ForceDelta-VLA以解决接触丰富操作中的动作校正问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 接触丰富操作 动作校正 蒸馏训练 机器人控制 力感知 多模态学习 任务优化

📋 核心要点

  1. 现有的Force-aware VLA策略在接触丰富的操作中，难以将任务级运动和接触调整有效分解，导致动作预测的重用性不足。
  2. 本文提出的ForceDelta-VLA框架通过蒸馏校正目标，明确分离参考动作与校正，利用教师模型的预测进行优化。
  3. 在九个接触丰富的任务中，ForceDelta-VLA的平均成功率达到82.2%，显著高于54.4%的原始基线，同时减少成功试验中的平均峰值接触力约26%。

📝 摘要（中文）

Force-aware Vision-Language-Action (VLA) 策略通过结合任务级运动和接触依赖调整来改善接触丰富的操作，但通常在单一动作预测中缺乏明确的分解。本文提出了ForceDelta-VLA，一个校正蒸馏框架，通过从冻结教师模型的力条件和学习的无力模式中构建显式的力校正目标。该方法使用异步调度重放训练，利用执行期间可用的缓存任务上下文。实验结果表明，ForceDelta-VLA在九个单臂和双臂接触丰富任务中实现了82.2%的平均成功率，相较于原始ForceVLA基线的54.4%有显著提升。

🔬 方法详解

问题定义：本文旨在解决接触丰富操作中动作预测的分解问题，现有方法难以有效区分任务级运动与接触调整，导致动作重用性差。

核心思路：ForceDelta-VLA通过蒸馏校正框架，利用教师模型的力条件与无力模式的预测，构建显式的力校正目标，从而实现动作的有效调整与优化。

技术框架：该框架包括两个主要模块：力校正目标的构建和延迟校正目标的处理。训练过程中采用异步调度重放，确保在执行期间能够利用缓存的任务上下文。

关键创新：最重要的创新在于明确分离参考动作与校正过程，使得系统能够在不重新生成完整动作的情况下，快速响应接触变化，提升了操作的灵活性与效率。

关键设计：在训练过程中，采用特定的损失函数来优化力校正目标，并设计了轻量级的策略网络，能够实时调整参考动作，利用最近的力历史和机器人状态进行决策。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在九个接触丰富的任务中，ForceDelta-VLA实现了82.2%的平均成功率，相比于54.4%的原始ForceVLA基线有显著提升。此外，成功试验中的平均峰值接触力减少了约26%，显示出该方法在接触控制方面的有效性。

🎯 应用场景

该研究具有广泛的应用潜力，特别是在机器人抓取、装配和其他需要精确接触控制的领域。通过提升机器人在复杂环境中的操作能力，ForceDelta-VLA可以推动智能制造、服务机器人等行业的发展，未来可能在自动化和人机协作中发挥重要作用。

📄 摘要（原文）

Force-aware Vision-Language-Action (VLA) policies improve contact-rich manipulation, but typically combine task-level motion and contact-dependent adjustment in a single action prediction. Demonstrations provide no explicit labels for decomposing that prediction into a reusable reference action and a correction. We present ForceDelta-VLA, a correction-distillation framework that constructs an explicit force-correction target using paired predictions from a frozen teacher's force-conditioned and learned force-agnostic modes. A separate delay-correction target accounts for reference-action mismatch and the change in reference state. Training uses asynchronous schedule replay with the cached task context available during execution. The resulting lightweight policy adjusts the reference actions using recent force history and robot state, responding to contact changes between reference-action updates without regenerating complete action chunks. Across nine single-arm and bimanual contact-rich tasks, ForceDelta-VLA achieves an 82.2% mean success rate, compared with 54.4% for the original ForceVLA baseline. Direct execution of our Stage-1 Temporal Teacher achieves 70.6%. Relative to ForceVLA, the complete system reduces mean peak contact force over successful trials by approximately 26% on both platforms.