Future Anchored Verification and Online Recovery for World Action Models

📄 arXiv: 2610.06280v1 📥 PDF

作者: Zhibin Qin, Zhenxiong Tan, Xinchao Wang

分类: cs.RO, cs.AI

发布日期: 2026-10-05

备注: 18 pages, 5 figures, 3 tables

💡 一句话要点

提出FAVOR框架以解决WAM执行漂移问题

🎯 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)

关键词: 世界动作模型 机器人操作 任务恢复 视觉-语言模型 执行监控 锚点验证 在线恢复

📋 核心要点

  1. 现有的世界动作模型在执行过程中，一旦偏离预测，后续动作往往无效，难以恢复任务。
  2. 本文提出FAVOR框架，通过将预测的状态作为锚点，进行验证和恢复，确保任务的连续性。
  3. 实验结果显示，FAVOR使得WAM在LIBERO上的任务成功率从97.85%提升至98.10%，在LIBERO-Plus上从72.60%提升至72.98%。

📝 摘要（中文）

世界动作模型（WAMs）作为机器人操作的新兴范式，通过预测任务执行方式并解码未来动作来实现。然而，一旦执行偏离预测，剩余动作便失效。现有方法仅能在偏离状态下重新规划，难以恢复任务所需。为此，本文提出FAVOR（未来锚定验证与在线恢复），通过将预测的状态作为锚点进行验证和恢复。锚点验证器对比观察与锚点，标记出破坏任务的偏差；锚点引导恢复则利用视觉-语言模型生成短期纠正指令，帮助WAM恢复到预期未来并继续任务。实验表明，FAVOR显著提升了WAM在LIBERO和LIBERO-Plus上的任务成功率。

🔬 方法详解

问题定义：本文解决的问题是现有世界动作模型在执行过程中偏离预测后，如何有效恢复任务。现有方法在偏离状态下重新规划，难以满足任务需求，且缺乏有效的恢复机制。

核心思路：FAVOR框架的核心思想是利用WAM在执行前预测的未来状态作为锚点，通过验证和恢复机制来纠正执行偏差，确保任务的顺利进行。

技术框架：FAVOR框架主要包括两个模块：锚点验证器和锚点引导恢复。锚点验证器负责对比当前观察与锚点，标记出任务执行中的偏差；锚点引导恢复则利用视觉-语言模型生成纠正指令，指导WAM恢复到预期状态。

关键创新：FAVOR的创新在于将未来预测状态作为锚点进行验证和恢复，这一设计与传统方法的单纯重新规划形成鲜明对比，能够更有效地处理执行偏差。

关键设计：在技术细节上，锚点验证器通过比较观察与锚点的相似度来判断偏差，锚点引导恢复则依赖于视觉-语言模型的生成能力，确保生成的指令简洁且有效。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，FAVOR框架在LIBERO数据集上将WAM的任务成功率从97.85%提升至98.10%，在LIBERO-Plus数据集上从72.60%提升至72.98%。这一提升表明FAVOR在处理执行偏差方面的有效性，且未对原有策略进行修改。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化制造和智能家居等场景。通过提高机器人在复杂环境中的任务执行能力，FAVOR框架能够显著提升机器人在实际应用中的可靠性和效率，推动智能机器人技术的进一步发展。

📄 摘要（原文）

World action models (WAMs) have emerged as a promising paradigm for robotic manipulation. They act by first predicting how a task should be performed and then decoding the actions from that future. However, the remaining actions are invalid once execution drifts from the prediction. Simply replanning from the already out of distribution state rarely restores what the task still requires; existing execution monitors decide when to stop, but not what to restore. We observe that the answer is already in hand: the future the WAM predicted before acting depicts exactly the states it intended to pass through. We introduce FAVOR (Future Anchored Verification and Online Recovery), a lightweight framework that keeps these predicted frames as anchors and uses them for verification and recovery. An Anchor Verifier compares each observation with its anchor, together with the executed actions, to flag deviations that break the task. Anchor-Guided Recovery uses a vision-language model to turn the flagged anchor into a short corrective instruction. Under strengthened instruction guidance, the WAM executes this instruction to return to the intended future. It then resumes the task. FAVOR raises the task success of the base WAM from 97.85% to 98.10% on LIBERO and from 72.60% to 72.98% on LIBERO-Plus without modifying the policy.