RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control

📄 arXiv: 2610.12185v1 📥 PDF

作者: Yuxin Chen, Senqiao Yang, Zixuan Wang, Jinhui Ye, Changsheng Lu, Pengguang Chen, Shu Liu, Zhuotao Tian, Jiaya Jia

分类: cs.RO

发布日期: 2026-10-08

🔗 代码/项目: GITHUB

💡 一句话要点

提出RESETTLE以解决机器人恢复效率低下的问题

🎯 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) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人恢复 高效控制 视觉-语言推理 模型无关 状态伺服

📋 核心要点

  1. 现有的机器人恢复方法在执行错误后往往存在较高的延迟，影响了干预的及时性和有效性。
  2. RESETTLE通过在动作提案不一致时触发恢复，结合状态伺服和视觉残差，提供高效的纠正控制。
  3. 在六个基准策略的仿真实验中，RESETTLE在多个任务上实现了显著的成功率提升，且计算延迟显著低于现有方法。

📝 摘要（中文）

可靠的机器人操作需要及时干预，以纠正执行错误后出现的偏差并恢复进度。然而，基于重复视觉-语言推理或迭代在线优化的恢复方法可能会导致显著的延迟，从而延误干预。为了解决这些挑战，本文提出了RESETTLE（通过不一致触发检索和高效纠正控制的机器人恢复），这是一个模型无关的框架，能够在冻结的机器人策略的动作执行接口上提供计算高效的恢复。RESETTLE在两个独立采样的动作提案持续不一致时触发恢复，利用改进的V-JEPA编码器检索同任务演示参考，并结合状态伺服先验与受保护的视觉残差执行纠正动作，无需在线轨迹优化或额外的视觉-语言推理。实验表明，RESETTLE在多个基准任务上显著提升了成功率。

🔬 方法详解

问题定义：本文旨在解决机器人操作中由于执行错误导致的恢复效率低下问题。现有方法如视觉-语言推理和在线优化存在显著延迟，影响干预时机。

核心思路：RESETTLE的核心思路是通过检测动作提案之间的不一致性来触发恢复，并利用已知的任务演示进行纠正，而不是依赖复杂的在线优化过程。

技术框架：RESETTLE的整体架构包括两个主要模块：不一致性检测模块和纠正控制模块。前者负责监测动作提案的一致性，后者则执行纠正动作。

关键创新：RESETTLE的创新在于其模型无关性和高效性，通过不一致性触发机制和结合状态伺服与视觉残差的设计，显著降低了恢复过程中的计算延迟。

关键设计：在设计上，RESETTLE使用了改进的V-JEPA编码器来检索任务演示，并通过状态伺服先验和视觉残差的结合来执行纠正动作，避免了在线轨迹优化的复杂性。具体的参数设置和损失函数设计在论文中有详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

RESETTLE在六个基准策略的仿真实验中，成功率提升幅度达到8.70%、6.28%和6.83%。在实际任务中，监控和恢复计算延迟比VoLoAgent低74.04%至93.57%。此外，RESETTLE还提高了Harness VLA的LIBERO-Pro Swap成功率，从42%提升至50%。

🎯 应用场景

RESETTLE的研究成果在多个领域具有广泛的应用潜力，尤其是在需要高效恢复和干预的机器人操作场景中，如工业自动化、服务机器人和无人驾驶等。其高效的恢复机制能够提升机器人在复杂环境中的适应能力和操作可靠性，未来可能推动智能机器人技术的进一步发展。

📄 摘要（原文）

Reliable robotic manipulation requires timely intervention to correct emerging deviations and restore progress after execution errors. However, recovery methods based on repeated vision-language reasoning or iterative online optimization can incur substantial latency, delaying intervention. To address these challenges, we introduce RESETTLE(Robotic rEcovery through diSagrEement-Triggered reTrievaL and Efficient Corrective Control), a model-agnostic framework that provides computationally efficient recovery at the action-execution interface of frozen robot policies. RESETTLE triggers recovery when two action proposals independently sampled under identical conditioning persistently disagree. It retrieves a same-task demonstration reference using an adapted V-JEPA encoder and combines a state-servo prior with a guarded visual residual to execute one corrective action without online trajectory optimization or additional vision-language reasoning, then returns control to the base policy. Across six base policies in simulation, RESETTLE achieves up to 8.70%, 6.28%, and 6.83% absolute success-rate gains on LIBERO-Plus, Meta-World, and RoboCasa Tabletop, respectively, with further improvements on four real-world tasks using two policies. In QwenPI-based comparisons, its monitoring-and-recovery computation latency is 74.04%--93.57% lower than VoLoAgent's monitoring-and-planning latency for grasp and place tool calls. It also raises Harness VLA's LIBERO-Pro Swap success from 42% to 50%, demonstrating compatibility with high-level agentic planning. Code available at: https://github.com/JIA-Lab-research/RESETTLE