CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance

📄 arXiv: 2610.21453v1 📥 PDF

作者: Zixuan Wang, Yuqi Liu, Yuxin Chen, Sengqiao Yang, Jinhui Ye, Pengguang Chen, Changsheng Lu, Shu Liu, Bei Yu, Jiaya Jia

分类: cs.RO, cs.CV

发布日期: 2026-10-15

备注: Project page: https://vincent2311.github.io/Projects/CarryOn/

💡 一句话要点

提出CarryOn以解决个性化和可靠性不足的机器人辅助问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人辅助 个性化执行 安全保障 视觉-语言-动作 双环系统 任务规划 执行监督 控制技能

📋 核心要点

  1. 现有的VLA模型在个性化和可靠执行方面存在显著不足，无法满足真实世界的机器人辅助需求。
  2. 本文提出CarryOn，一个双环系统，通过持续维护用户和场景上下文，实现个性化任务选择和执行。
  3. 实验结果显示，CarryOn将安全违规率从52.6%降低至6.1%，恢复成功率从13%提升至80%。

📝 摘要（中文）

尽管通用的视觉-语言-动作（VLA）模型已实现多样化的开放世界操作，但现实中的机器人辅助仍缺乏个性化和可靠执行这两个关键能力。执行指令如“给我做个三明治”需要基于用户的持久偏好进行子任务分解，而不是依赖单一通用解决方案。此外，可靠的部署需要可解释的安全保障，主动防止危险并优雅地从偶发的物理故障中恢复。为了解决这些问题，本文提出了CarryOn，一个旨在增强冻结VLA策略的双环系统。规划环维护持久的用户级和场景级上下文，能够根据新观察不断调整，从而实现个性化的任务选择和执行。执行环则主动监督策略的执行，保护行动免受预测的危险接触影响。实验表明，CarryOn在真实机器人和仿真环境中显著提高了任务执行的安全性和恢复能力。

🔬 方法详解

问题定义：本文旨在解决现有VLA模型在个性化和可靠执行方面的不足，尤其是在用户偏好和安全保障方面的挑战。

核心思路：CarryOn通过双环设计，分别处理任务规划和执行，确保机器人能够根据用户的持续反馈进行个性化调整，并在执行过程中提供安全保障。

技术框架：系统分为两个主要模块：规划环和执行环。规划环负责维护用户和场景的上下文信息，而执行环则监督策略的实施，确保安全性和有效性。

关键创新：最重要的创新在于双环设计，使得系统能够在动态环境中持续学习和适应用户需求，显著提高了任务执行的个性化和安全性。

关键设计：系统采用了可重用的控制基础恢复技能，通过反思早期失败来优化这些技能的执行，确保在任务失败时能够有效恢复进度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

CarryOn在实验中将安全违规率从52.6%降低至6.1%，同时恢复成功率从13%提升至80%。这些结果表明，CarryOn在个性化和安全性方面的显著提升，为机器人辅助技术的实际应用提供了强有力的支持。

🎯 应用场景

CarryOn的研究成果具有广泛的应用潜力，特别是在家庭机器人、服务机器人和工业自动化等领域。通过个性化和可靠的任务执行，能够显著提升用户体验和安全性，推动智能机器人技术的进一步发展。

📄 摘要（原文）

While generalist vision-language-action (VLA) models have enabled diverse open-world manipulation, real-world robotic assistance requires two critical capabilities they currently lack: personalization and reliable execution. First, executing an instruction like "make me a sandwich" requires grounding subtask decomposition in persistent user preferences rather than relying on a single generic solution. Second, reliable deployment demands explainable safety assurance that proactively prevents hazards and gracefully recovers from occasional physical failures. To address these gaps, we present CarryOn, a dual-loop harness designed to augment a frozen VLA policy. The planning loop maintains persistent user-level and scene-level context that is continually grounded against new observations and revised through interaction, enabling personalized task selection and execution grounding across conversations and changing scenes. The execution loop actively supervises policy rollouts, shielding actions from predicted hazardous contact. When execution fails, the system invokes reusable control-based recovery skills that restore task progress and are refined through reflection on earlier failures. On a real robot and in simulation, CarryOn dispatches preference-consistent subtasks across users and scenes, reduces the violation rate of an already safety-finetuned VLA from 52.6% to 6.1%, and increases recovery success from 13% to 80% when refined skills are reused.