GeoAAC: Geometry-Based Adaptive Action Chunking from Denoising Trajectories in VLA Policies

📄 arXiv: 2609.20776v1 📥 PDF

作者: Xin Chen, Sen Chen, Yujuan Ding, Jian Liu, Guoqing Wang, Wei Ye, Heng Tao Shen, Yi Bin

分类: cs.RO, cs.AI, cs.LG

发布日期: 2026-09-17

备注: 9 pages, 6 figures. Submitted to the IEEE International Conference on Robotics and Automation (ICRA) 2027

💡 一句话要点

提出GeoAAC以解决固定动作时间窗适应性不足的问题

🎯 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: 动作分块 视觉-语言-动作 自适应控制 几何特征 机器人操作

📋 核心要点

  1. 现有的动作分块方法通常采用固定的时间窗，无法适应不同任务阶段的控制需求变化。
  2. GeoAAC通过分析动作预测的几何特征，动态调整动作时间窗，以提高预测的可靠性和控制精度。
  3. 在多个实验中，GeoAAC在模拟环境中提高了8.7个百分点的成功率，并在真实世界任务中将成功率从53.3%提升至74.4%。

📝 摘要（中文）

动作分块在视觉-语言-动作（VLA）策略中广泛应用于动作生成和执行，但现有方法通常使用固定的动作时间窗。在不同任务阶段，可能需要不同程度的动作连续性、控制精度和闭环反馈，固定时间窗无法满足变化的控制需求。本文提出了一种基于几何的自适应动作分块方法GeoAAC，能够根据当前动作预测的可靠性调整动作时间窗。研究表明，Flow Matching去噪轨迹的几何特征提供了表征预测可靠性的过程级信息，动作前缀的几何变化与预测不确定性正相关。GeoAAC利用这种前缀几何构建时间窗几何轮廓，并在单次生成中自适应确定动作时间窗，无需额外训练。实验结果显示，GeoAAC在多个基准任务中相较于固定动作时间窗的基线和现有自适应方法均有显著提升。

🔬 方法详解

问题定义：本文旨在解决现有VLA策略中固定动作时间窗无法适应不同任务阶段控制需求的问题。固定时间窗限制了系统在不同阶段的灵活性和响应能力。

核心思路：GeoAAC的核心思路是利用动作预测的几何特征，动态调整动作时间窗，以适应不同的控制需求。通过分析动作前缀的几何变化，GeoAAC能够实时评估预测的可靠性。

技术框架：GeoAAC的整体架构包括数据输入、几何特征提取、时间窗调整和动作生成四个主要模块。首先，从去噪轨迹中提取几何特征，然后构建时间窗几何轮廓，最后根据这些信息自适应调整动作时间窗。

关键创新：GeoAAC的关键创新在于利用几何特征来评估动作预测的可靠性，并基于此动态调整动作时间窗。这一方法与传统固定时间窗方法的本质区别在于其适应性和灵活性。

关键设计：GeoAAC在设计上采用了前缀几何分析方法，构建了时间窗几何轮廓，并通过单次生成过程实现自适应调整，避免了额外的训练需求。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，GeoAAC在GR00T N1.5和π0.5的测试中，相较于固定动作时间窗的基线方法，成功率提升了8.7个百分点。在真实世界的操作任务中，成功率从53.3%提高至74.4%，显示出显著的性能改进。

🎯 应用场景

GeoAAC的研究成果在机器人控制、自动化任务执行和智能助手等领域具有广泛的应用潜力。通过提高动作生成的适应性和精确性，该方法能够显著提升机器人在复杂环境中的操作能力，推动智能系统的实际应用和发展。

📄 摘要（原文）

Action chunking is widely used for action generation and execution in Vision-Language-Action (VLA) policies, yet existing approaches commonly use a fixed action horizon. During a rollout, different task stages may require different levels of action continuity, control precision, and closed-loop feedback, making a fixed horizon unable to accommodate changing control requirements. We propose \textbf{GeoAAC}, a geometry-based adaptive action chunking method for flow-based VLA policies that adjusts the action horizon according to the reliability of the current action prediction. We show that the geometry of Flow Matching denoising trajectories provides process-level information for characterizing prediction reliability, with geometric variation across action prefixes remaining positively correlated with predictive uncertainty. GeoAAC uses this prefix-wise geometry to construct a horizon-wise geometric profile and adaptively determine the action horizon from a single generation without additional training. Experiments with GR00T N1.5 and π0.5 on LIBERO, LIBERO-Pro, RoboCasa365, and real-world manipulation tasks show consistent improvements over fixed-action-horizon baselines and existing adaptive methods, including up to 8.7 percentage points in simulation and an increase in average real-world success rate from 53.3\% to 74.4\%.