CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies
作者: Junlan Xiao, Junwei Jiang, Zaibin Zhang, Yifan Wang, Zhongbo Zhang, Huchuan Lu, Lijun Wang
分类: cs.RO
发布日期: 2026-09-21
备注: 22 pages, 16 figures
🔗 代码/项目: GITHUB
💡 一句话要点
提出CARE框架以解决视觉-语言-动作策略执行中的恢复问题
🎯 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 机器人操作 恢复机制 经验学习 3D监控 任务成功率 仿真评估 双臂任务
📋 核心要点
- 现有的视觉-语言-动作策略在执行过程中对偏差的恢复能力较弱，导致任务失败。
- CARE框架通过学习失败经验，建模执行中的偏差，并结合3D监控进行实时调整，以提高恢复能力。
- 实验结果显示，CARE在仿真和真实场景中均显著提升了任务成功率，验证了其有效性。
📝 摘要（中文）
视觉-语言-动作（VLA）策略在机器人操作中表现出色，但一旦执行偏离正常轨迹，系统的鲁棒性就会下降。为此，本文提出了CARE（Corrective Atomic Robotic Execution）框架，通过学习执行过程中遇到的失败经验来改善恢复能力。CARE通过收集失败的执行轨迹，建模阶段条件下的失败偏差，并利用这些经验分布合成代表性的失败状态和纠正演示。在推理时，CARE结合阶段性规划与物理基础的3D监控，触发原子调整或重新操作，同时保持任务进度。此外，本文还引入了失败状态恢复基准（FSR-Bench），用于评估在局部偏差和结构异常下的恢复能力。实验结果表明，CARE在多个VLA基础模型、仿真基准和真实双臂任务中均表现出一致的提升，仿真中任务成功率平均提高14.5个百分点，真实场景中提高15.9个百分点。
🔬 方法详解
问题定义：本文旨在解决视觉-语言-动作策略在执行过程中遇到的恢复问题，现有方法在执行偏差时缺乏有效的恢复机制，导致任务失败率较高。
核心思路：CARE框架通过学习执行过程中的失败案例，建模失败后的偏差，并利用这些数据生成代表性的失败状态和纠正演示，从而实现更有效的恢复。
技术框架：CARE的整体架构包括数据收集、模型训练和推理三个主要阶段。首先，收集失败的执行轨迹；其次，建模阶段条件下的偏差；最后，在推理时结合3D监控进行实时调整。
关键创新：CARE的创新之处在于通过经验学习生成纠正数据，而非依赖手动设计或随机扰动，这使得恢复过程更加精准和高效。
关键设计：在技术细节上，CARE采用阶段条件模型来捕捉执行中的偏差，并设计了适应性调整机制，以确保在不同执行阶段能够有效响应失败情况。具体的损失函数和网络结构设计在论文中进行了详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果表明，CARE在多个视觉-语言-动作基础模型上均取得了显著提升，仿真环境中任务成功率平均提高14.5个百分点，真实场景中提升15.9个百分点，验证了其在复杂任务中的有效性和可靠性。
🎯 应用场景
CARE框架具有广泛的应用潜力，特别是在复杂的机器人操作任务中，如工业自动化、服务机器人和家庭助理等领域。通过提高机器人在执行过程中的鲁棒性，CARE能够显著提升任务完成的成功率，进而推动智能机器人技术的实际应用和发展。
📄 摘要（原文）
Vision-Language-Action (VLA) policies achieve strong performance in robotic manipulation but remain brittle once execution deviates from nominal trajectories. We propose CARE (Corrective Atomic Robotic Execution), a framework that improves recovery by learning from failures encountered during execution. Instead of generating corrective data from manually designed or random perturbations, CARE collects failed rollouts, models stage-conditioned post-failure deviations, and uses the resulting empirical distributions to synthesize representative failure states and corrective demonstrations. At inference time, CARE combines stage-wise planning with physically grounded 3D monitoring to trigger atomic adjustments or re-operations while preserving task progress. We further introduce the Failure State Recovery Benchmark (FSR-Bench), which evaluates recovery from intermediate failure states under local deviations and structural anomalies. Experiments across multiple VLA backbones, simulation benchmarks, and real-world dual-arm tasks show consistent improvements, with average task-success gains of 14.5 points in simulation and 15.9 points in the real world. Code, models, and data are available at https://github.com/xiaojunlan/care