Embodiment-Classifier Guidance: Transferring Frozen VLAs Across Robot Dynamics without Demonstrations

📄 arXiv: 2610.22576v1 📥 PDF

作者: Devin Han, Hershraj Niranjani

分类: cs.RO, cs.LG

发布日期: 2026-10-15

备注: 19 pages, 4 figures

💡 一句话要点

提出嵌入分类器引导以解决机器人动态转移问题

🎯 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: 机器人控制 动态转移 流基策略 体现分类器 无监督学习 数据效率 仿真测试

📋 核心要点

  1. 现有流基策略在不同机器人体现之间的转移能力有限，缺乏有效的无监督适应方法。
  2. 论文提出通过训练轻量级的体现分类器来引导冻结的$π_0$，实现无演示的动态转移。
  3. 在LIBERO基准测试中，该方法显著提高了目标体的成功率，并减少了失败率，展示了良好的数据效率。

📝 摘要（中文）

流基策略如$π_0$在固定的体现上进行训练，如何将其转移到新的体现上仍是一个开放问题。为在没有额外演示或参数更新的情况下适应冻结的$π_0$，我们训练了一个轻量级的体现分类器，以区分源体与目标体上的成功动作片段。通过在LIBERO仿真基准上进行实验，体现分类器引导将$π_0$在目标体上的平均成功率从72%提高到80%，并在12对控制器中实现了31%的相对失败率降低。该方法在数据效率上表现良好，适合于模拟到现实的转移。

🔬 方法详解

问题定义：本论文旨在解决流基策略$π_0$在不同机器人体现间转移时的适应性不足问题。现有方法通常需要额外的演示或参数更新，限制了其在新环境中的应用。

核心思路：论文提出通过训练一个轻量级的体现分类器，利用源体与目标体的成功动作分布差异，引导$π_0$在新体现上的表现。该方法不依赖于额外的演示数据，适应性强。

技术框架：整体流程包括三个主要模块：首先，训练体现分类器以识别源体与目标体上的成功动作；其次，在转移任务中，通过分类器的梯度调整$π_0$的去噪步骤；最后，利用分类器引导的$π_0$进行目标体的任务执行。

关键创新：最重要的创新在于引入了体现分类器作为引导机制，使得$π_0$能够在没有额外演示的情况下，基于源体的成功经验有效适应目标体。这一方法显著提高了转移效率。

关键设计：在实现中，分类器的训练依赖于少量的校准任务，损失函数设计为最大化成功动作的区分度。网络结构采用轻量级设计，以确保在数据效率和计算效率上的平衡。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果显示，体现分类器引导将$π_0$在目标体上的平均成功率从72%提升至80%，相对失败率降低31%。在12对控制器中，11对实现了成功率提升，其中5对经过Holm校正后显著提高，展现了该方法的有效性和实用性。

🎯 应用场景

该研究在机器人控制和自动化领域具有广泛的应用潜力，尤其是在需要快速适应新环境的场景中，如服务机器人、工业自动化和自主移动设备。通过提高机器人在不同动态条件下的适应能力，该方法可显著降低训练成本并提高任务成功率。

📄 摘要（原文）

Flow-based policies such as $π_0$ are trained on a fixed set of embodiments, and transferring them to new ones is an open problem. To adapt a frozen $π_0$ to a new embodiment without additional demonstrations or parameter updates, we train a lightweight embodiment classifier to distinguish successful action chunks on the source body from those on the target body, using a few calibration tasks. On transfer tasks that $π_0$ saw on its source body but the classifier was never trained on, we nudge each denoising step of $π_0$ with the classifier's gradient, which estimates the direction from the distribution of successful actions on the source body toward that on the target body. On the LIBERO simulation benchmark with four modified controllers, embodiment-classifier guidance raises $π_0$'s average success on the target bodies from 72% to 80% across 12 suite-controller pairs, with a 31% relative reduction in failures (11 of 12 gain; 5 significant after Holm correction). In simulation, guidance is data-efficient, needing few target-body rollouts per task, which makes it promising for sim-to-real transfer, where rollouts are costly. Guidance is mixed on weak wrists and harmful on a locked wrist, when the classifier lacks data or favors infeasible motions. Collecting more target-body data with guided $π_0$ can fill such gaps: on one weak-wrist arm, guided $π_0$ solved a task on which unguided $π_0$ had zero successes in the original data, and retraining the classifier on the guided successes raised success from 52.5% to 70.7%.