MorphAct: Robot Policies Morphing with the Worlds They Act In

📄 arXiv: 2610.20019v1 📥 PDF

作者: Ziyan Liu, Jiting Liu, Weihong Zhong, Wenda Yu, Yeqiu Chen, Jason Li, Xiaojiang Peng, Shuyuan Hu, Kai Wang, Bo Zhao

分类: cs.RO, cs.AI

发布日期: 2026-10-14

备注: 25 pages. Project page: https://mint-sjtu.github.io/MorphAct.io/

💡 一句话要点

提出MorphAct以解决机器人学习在多环境中的适应性问题

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

关键词: 机器人学习 上下文参数化 动态调整 视觉-语言 动作生成 多环境适应 性能提升

📋 核心要点

  1. 现有机器人策略使用固定的共享参数，导致在不同操作中参数调整相互竞争，无法充分适应。
  2. MorphAct通过上下文参数化框架，动态调整机器人策略参数，解决了不同操作之间的参数竞争问题。
  3. 在LIBERO和Meta-World上，MorphAct在三种VLA基础模型上提升了最多16.30%的性能，并在实际评估中提升了最多14%。

📝 摘要（中文）

在物理世界中实现通用智能的进展需要在多样化环境和交互中扩展机器人学习。然而，现有的机器人策略使用固定的共享参数，导致在不同操作中参数调整相互竞争，无法充分适应。本文提出MorphAct，一个上下文参数化框架，能够根据交互上下文动态调整机器人策略参数。通过两个耦合生成器，MorphAct为视觉-语言和动作模块生成上下文相关的低秩更新。实验结果表明，该方法在LIBERO和Meta-World上相较于三种VLA基础模型提升了最多16.30%的性能，并在实际评估中相较于$π_{0.5}$提升了最多14%。

🔬 方法详解

问题定义：本文旨在解决现有机器人策略在多样化环境中适应性不足的问题。现有方法使用固定的共享参数，导致在不同操作中参数调整相互竞争，无法有效适应不同的交互上下文。

核心思路：MorphAct的核心思路是通过上下文参数化框架，动态调整机器人策略参数，以适应不同的交互环境。该方法通过两个耦合生成器生成上下文相关的低秩更新，确保视觉-语言和动作模块之间的相互影响。

技术框架：MorphAct的整体架构包括两个主要模块：视觉-语言生成器和动作生成器。视觉-语言生成器负责生成影响动作模块的表示，而动作生成器则基于这些表示生成相应的动作参数更新。两个生成器通过原生动作目标共同训练，无需操作标签或专家适配目标。

关键创新：MorphAct的主要创新在于其上下文参数生成和表示耦合的设计，使得机器人能够在不同的交互上下文中动态调整策略参数。这一设计与现有方法的本质区别在于，现有方法通常依赖于固定参数，而MorphAct则实现了动态适应。

关键设计：MorphAct的关键设计包括低秩更新的生成机制和耦合生成器的训练方式。生成器的训练通过原生动作目标进行，避免了对操作标签的依赖，从而提高了模型的灵活性和适应性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

MorphAct在LIBERO和Meta-World上相较于三种VLA基础模型提升了最多16.30%的性能，并在实际评估中相较于$π_{0.5}$提升了最多14%。这些实验结果表明，MorphAct在不同环境中的适应性显著增强，验证了其有效性。

🎯 应用场景

MorphAct的研究成果在多种机器人应用场景中具有潜在价值，包括自主导航、物体操控和人机交互等领域。通过动态调整策略参数，机器人能够更好地适应不同的环境和任务，提高其在复杂场景中的表现。未来，该方法可能推动机器人在更广泛的应用中实现更高的智能水平。

📄 摘要（原文）

Progress toward general intelligence in the physical world requires scaling robot learning across diverse environments and interactions. However, existing robot policies use shared parameters that remain fixed across interaction contexts. When different operations favor competing parameter adjustments, fitting their mixture can leave individual operations insufficiently adapted. Our atomic-task diagnostics reveal competing update directions in both vision-language and action parameters, with source-improving updates increasing loss on other tasks. This motivates MorphAct, a contextual parameterization framework that dynamically adjusts robot policy parameters as interaction contexts change. Two coupled generators produce context-dependent low-rank updates for the vision-language and action modules. Their coupling follows the policy's computational dependency: vision-language updates shape the representations that condition action-side parameter generation. Both generators are trained jointly through the native action objective, without operation labels or expert-adapter targets. MorphAct improves performance across three VLA backbones on LIBERO and Meta-World, with gains of up to 16.30%. In real-world evaluation, it achieves gains of up to 14% over $π_{0.5}$. Ablations support the benefits of contextual parameter generation and representation coupling.