Taming VLAs under Robot Execution Errors: Self-Compensation and Stress Testing
作者: Sohyun Lee, Yoonjae Baek, Jaesang Won, Jinnyeong Kim, Kang Hyunwoo, Seung-Hwan Baek, Ivan Laptev, Suha Kwak
分类: cs.RO
发布日期: 2026-09-29
💡 一句话要点
提出自补偿VLA以解决机器人执行错误问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 视觉-语言-动作 自补偿 机器人执行错误 在线学习 鲁棒性测试 仿真基准 动态适应
📋 核心要点
- 现有的视觉-语言-动作（VLA）策略在机器人执行动作时容易受到执行错误的影响，导致任务失败。
- 本文提出了一种自补偿VLA的方法，通过在线更新策略来预先补偿机器人执行中的错误，增强了策略的适应性。
- 在两个不同使用历史的物理机器人臂上，自补偿VLA的平均任务成功率提高了超过30个百分点，且对未见物体的表现也有所提升。
📝 摘要（中文）
视觉-语言-动作（VLA）策略在机器人执行的动作偏离指令时常常失败。这种执行错误源于机器人的机械特性和操作条件，例如磨损和负载变化。本文提出了一种自补偿VLA的方法，允许VLA策略在生成指令时预先补偿机器人的执行错误。该方法在没有任务奖励或标签的情况下，通过在线更新策略，利用VLA指令与机器人实际执行动作之间的残差进行调整。为了在物理机器人无法覆盖的执行条件下进行压力测试，本文引入了RoboStress，一个受控的仿真基准，结合了摩擦、反冲、顺应性和重力补偿误差的关节级模型。实验结果表明，自补偿VLA在RoboStress上实现了比基础策略和训练期间增强鲁棒性的方法更高的平均任务成功率。
🔬 方法详解
问题定义：本文解决的问题是机器人在执行视觉-语言-动作（VLA）策略时，由于机械特性和操作条件导致的执行错误。这些错误使得现有的VLA策略在实际应用中表现不佳，无法有效完成任务。
核心思路：论文提出的自补偿VLA方法通过在线调整策略，利用VLA指令与实际执行动作之间的残差来补偿执行错误。这种设计使得策略能够在部署时适应变化的执行条件，而不依赖于额外的任务奖励或标签。
技术框架：整体架构包括两个主要模块：首先是VLA策略生成模块，负责根据输入生成指令；其次是自补偿模块，实时监测执行动作并更新策略。该框架通过实时反馈机制实现动态调整。
关键创新：最重要的技术创新在于提出了一种无需额外训练的在线补偿机制，使得VLA策略能够在执行过程中自我调整，从而显著提高了任务成功率。这与传统方法依赖于训练阶段增强鲁棒性形成鲜明对比。
关键设计：在技术细节上，论文设计了特定的损失函数来计算指令与执行动作之间的残差，并采用了适应性学习率来优化策略更新。此外，网络结构经过精心设计，以确保在不同执行条件下的稳定性和鲁棒性。
🖼️ 关键图片
📊 实验亮点
在RoboStress基准测试中，自补偿VLA的平均任务成功率比基础策略提高了超过30个百分点。此外，该方法在两个不同使用历史的物理机器人臂上均表现出显著的性能提升，且对未见物体的任务成功率也有所增加，展示了其广泛的适应性和鲁棒性。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、工业自动化和智能家居等场景。在这些领域中，机器人需要在复杂和动态的环境中执行任务，自补偿VLA方法能够显著提高其执行的准确性和可靠性，具有重要的实际价值和未来影响。
📄 摘要（原文）
Vision-language-action (VLA) policies often fail when a robot's executed motion deviates from their commanded action. Such execution errors arise from the robot's mechanics and operating conditions, such as wear and payload changes. We propose self-compensating VLA, a deployment-time adaptation method that enables a VLA policy to pre-compensate for the robot's execution errors when generating commands. Without task rewards or labels, it updates the policy online using the residual between the action commanded by a VLA and the motion executed by the robot. To stress-test VLA robustness across execution conditions that are impractical to cover with physical robots alone, we introduce RoboStress, a controlled simulation benchmark. It combines established joint-level models of friction, backlash, compliance, and gravity-compensation error into seven deployment scenarios whose execution errors depend on the robot's state and motion history. On RoboStress, self-compensating VLA achieves higher average task success than both the base policies and methods that build in robustness during training. On two physical robot arms with different usage histories, it raises the average task success rate by more than 30 percentage points on each arm, and the gains extend to objects not seen in the task demonstrations.