CAPABLE: Capability-Aware Policy Adaptation via Behavioral Latent Encoding
作者: Mohammad Khoshnazar, Mohammad Dehghani Tezerjani, Deyuan Qu, Zhiyuan Gao, Yanxiang Zhan, Jeroen Schafer, Andrew Melnik, Qing Yang, Michael Beetz
分类: cs.RO, cs.LG, eess.SY
发布日期: 2026-10-08
💡 一句话要点
提出CAPABLE框架以解决视觉-语言-动作策略的适应性问题
🎯 匹配领域: 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: 能力感知 自监督学习 残差强化学习 视觉-语言-动作 故障恢复 机器人适应性 多模态学习
📋 核心要点
- 现有的故障恢复方法依赖于任务特定的再训练和故障标签，缺乏通用性和灵活性。
- CAPABLE框架通过自监督能力推断与残差强化学习相结合，在线推断关节的实际能力，增强了策略的适应性。
- 在28个LIBERO任务中，CAPABLE显著提升了故障执行器的成功率，展示了其在不同关节间的转移能力。
📝 摘要（中文）
视觉-语言-动作（VLA）策略假设其训练时的具体实现，然而在关节故障改变命令动作的物理执行时，可能会导致失败。现有的故障恢复方法通常需要特定任务的再训练、故障标签、明确的诊断或特权的实现信息。本文提出了CAPABLE，一个统一的能力感知适应框架，集成了自监督能力推断与残差强化学习。CAPABLE能够在线推断能力，即每个关节实际实现的命令运动量及其对末端执行器行为的贡献，利用共享的时间编码器、雅可比基础、跨关节注意力和自监督物理预测。实验结果表明，CAPABLE在28个LIBERO任务中将未参与故障训练的执行器的成功率从24.8%提高到59.3%，并在保持健康性能的同时，超越了参数匹配的全局历史基线。
🔬 方法详解
问题定义：本文旨在解决视觉-语言-动作（VLA）策略在关节故障情况下的适应性问题。现有方法通常需要特定的故障标签和再训练，限制了其应用的灵活性和效率。
核心思路：CAPABLE框架通过自监督学习推断关节的能力，并结合残差强化学习，能够在不需要故障标签的情况下，在线调整策略以适应新的执行环境。
技术框架：CAPABLE的整体架构包括能力推断模块、残差策略模块和反馈机制。能力推断模块利用时间编码器和跨关节注意力来分析命令响应历史，残差策略模块则根据推断结果调整VLA的动作。
关键创新：CAPABLE的主要创新在于其能力推断的自监督机制和残差策略的结合，使得策略能够在未知故障情况下进行有效的调整，显著提高了适应性。
关键设计：在设计中，采用了共享的时间编码器来处理关节间的动态信息，使用雅可比基础进行运动贡献分析，并通过自监督物理预测来增强模型的泛化能力。
🖼️ 关键图片
📊 实验亮点
在28个LIBERO任务中，CAPABLE将未参与故障训练的执行器的成功率从24.8%提升至59.3%，相比参数匹配的全局历史基线提高了17.4个百分点，同时保持了健康的性能表现。这表明CAPABLE在故障恢复和策略适应性方面的显著优势。
🎯 应用场景
CAPABLE框架具有广泛的应用潜力，特别是在机器人操作和自动化系统中。它能够在执行器发生故障时快速适应，减少停机时间，提高系统的可靠性和效率。未来，该方法还可以扩展到其他多模态任务和复杂环境中，推动智能系统的自适应能力。
📄 摘要（原文）
Vision-language-action (VLA) policies assume the embodiment on which they were trained and can fail when a joint fault changes how commanded actions are physically executed. Existing fault-recovery methods often require task-specific retraining, fault labels, explicit diagnosis, or privileged embodiment information. We introduce CAPABLE, a unified capability-aware adaptation framework for frozen VLAs that integrates self-supervised capability inference with residual reinforcement learning. CAPABLE infers capability, how much of the commanded motion each joint actually realizes and how that motion contributes to end-effector behavior, online from command-response history and kinematics using a temporal encoder shared across joints, Jacobian grounding, cross-joint attention, and self-supervised physical prediction. The resulting representation conditions a residual policy that adds bounded corrections to the VLA arm action without fault labels or faulty-joint identifiers. Across 28 LIBERO tasks, CAPABLE raises success on an actuator excluded from fault training from 24.8% to 59.3%, outperforming a parameter-matched global-history baseline by 17.4 points while preserving healthy performance. Leave-one-actuator-out experiments across six joints show that this transfer is not specific to one actuator, and additional evaluations characterize transfer to unseen fault families and demonstrate recovery on a physical Franka Panda. https://capable-vla.github.io/