Outcome-Conditioned End-Effector Geometry Across Vision-Language-Action Policies
作者: Xingyu Lin, Zhuang Li, Zhongrun Wu, Shouquan Zhou, Dehui Du
分类: cs.RO, cs.AI
发布日期: 2026-09-18
备注: 8 pages, 3 figures, 7 tables, 23 references. Submitted to ICRA 2027
💡 一句话要点
研究跨策略末端执行器几何以提升视觉语言动作策略的成功率
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 视觉语言动作 策略一致性 动态时间规整 机器人操作 多模态分析
📋 核心要点
- 现有的视觉语言动作策略在任务成功率上存在差异，无法有效评估其物理执行的一致性。
- 本文提出了一种分析跨策略末端执行器几何的方法，通过比较不同策略的执行结果来评估其有效性。
- 实验结果表明，成功策略对的执行距离显著小于仅有一个策略成功的情况，且在不同任务和策略对中保持一致性。
📝 摘要（中文）
视觉语言动作（VLA）策略通过不同的动作接口解决相同的操作任务，但仅凭任务成功无法判断其物理执行是否一致。本文研究了来自四种策略的15,000次闭环LIBERO回放中的跨策略末端执行器几何。分析显示，成功策略对的中位归一化动态时间规整距离为0.0120米，而仅有一个策略成功时为0.0380米。尽管这一排序在所有任务和策略对中保持一致，但不同表示法间的比率变化显著。成功执行的策略替换在任务间的分离度高于初始状态间的分离度，且即使在成功执行中，仍存在可测量的异质性残差政策差异。
🔬 方法详解
问题定义：本文旨在解决视觉语言动作策略在物理执行一致性方面的不足，现有方法未能有效比较不同策略的执行效果。
核心思路：通过分析15,000次闭环回放中的末端执行器几何，比较不同策略的成功与失败案例，揭示其物理执行的一致性与差异。
技术框架：研究采用了闭环LIBERO回放数据，形成3,600对配置匹配的策略对，分析成功与失败的执行距离，并进行多种表示法的比较。
关键创新：提出了通过动态时间规整距离来量化不同策略间的执行一致性，揭示了成功策略对与失败策略对之间的显著差异。
关键设计：在实验中，采用了归一化动态时间规整距离作为主要评估指标，并考虑了不同任务和策略对的多样性，确保了结果的全面性与可靠性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，成功策略对的中位归一化动态时间规整距离为0.0120米，而仅有一个策略成功时为0.0380米，表明成功策略间的执行一致性显著高于失败策略对。此结果在所有任务和策略对中均保持一致，展示了该方法的有效性。
🎯 应用场景
该研究的潜在应用领域包括机器人操作、自动化制造和人机交互等。通过提升不同策略间的执行一致性，可以有效提高机器人在复杂环境中的操作能力，推动智能机器人技术的发展与应用。
📄 摘要（原文）
Vision-language-action (VLA) policies solve the same manipulation task through different action interfaces, but task success alone does not establish whether their physical executions agree. We study cross-policy end-effector geometry in 15,000 closed-loop LIBERO rollouts from four policies. The primary clean-condition analysis forms 3,600 configuration-matched, and therefore dependent, policy pairs. Both-success pairs have a median normalized dynamic time warping distance of 0.0120 m versus 0.0380 m when exactly one policy succeeds. This ordering holds in every task, every policy pair, and nine sampling and band-limited representations; however, the ratio varies severalfold across representations, so we report the direction rather than a fixed multiple. Both-failure pairs are more separated again but rest on thin, uneven support, so we report them as exploratory. Within successful executions, partner replacements separate more across tasks than across initial states. A matched baseline still reveals measurable, heterogeneous residual policy differences, so a low cross-policy distance does not imply interchangeability. Successful executions sit about as far from same-task demonstrations as those demonstrations sit from each other, compatible with task-associated geometry without separating training-data overlap from task constraints. A common 72-action window preserves the ordering but reduces its magnitude; endpoint and duration adjustment likewise leaves a positive mixed-outcome coefficient relative to both-success pairs, though its magnitude is specification-dependent. Under composite visual stress, policy rankings and pair composition change together.