FastHarness: Experience-Driven Review Scheduling for Vision-Language-Action Policies

📄 arXiv: 2610.31427v1 📥 PDF

作者: Tao Lin, Yuxin Du, Haoxiao Wang, Zile Zhong, Bo Zhao

分类: cs.RO

发布日期: 2026-10-22

备注: Github:https://github.com/FastHarness/fast-harness

💡 一句话要点

提出FastHarness以解决机器人系统执行监控效率问题

🎯 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: 机器人系统 经验驱动 执行监控 自适应调度 效率提升 多模态融合 错误恢复

📋 核心要点

  1. 现有的Agentic机器人系统在执行监控时面临高开销，尤其是在熟悉的环境中，逐一审查每个动作块显得效率低下。
  2. 本文提出FastHarness，通过经验驱动的方式自适应调度监督，减少审查频率并专注于错误纠正，从而提高执行效率。
  3. 实验结果表明，使用FastHarness后，审查令牌使用量平均减少57.2%，成功率从80%提升至97.19%，显著提高了任务执行效率。

📝 摘要（中文）

Agentic机器人系统结合语言模型推理与机器人策略，以监控执行并从失败中恢复。然而，逐一审查每个动作块会带来显著的开销，尤其在熟悉的情况下。本文提出FastHarness，一种经验驱动的执行工具，能够自适应地调度GPT-6 Astra对π0.5策略的监督。通过使用阶段记忆和已审查结果，快速路径减少了审查频率，而补充的恢复路径则专注于纠正错误。一旦恢复得到验证，常规执行将恢复，同时保留失败经验以指导未来的干预。实验结果显示，审查令牌的使用在四个模拟操作任务中平均减少了57.2%，而成功率从80%提升至97.19%。

🔬 方法详解

问题定义：本文旨在解决Agentic机器人系统在执行监控中面临的高开销问题，尤其是逐一审查每个动作块的低效率。现有方法在熟悉环境下仍需频繁审查，导致资源浪费。

核心思路：FastHarness通过经验驱动的方式，利用已积累的经验和阶段记忆，减少审查频率，并在错误发生时提供针对性的监督。这样设计旨在提高执行效率，降低不必要的资源消耗。

技术框架：FastHarness的整体架构包括两个主要路径：快速路径和恢复路径。快速路径利用阶段记忆和已审查结果来减少审查频率，而恢复路径则在错误发生时提供必要的监督，以确保系统能够快速恢复正常执行。

关键创新：FastHarness的核心创新在于其自适应的审查调度机制，能够根据经验动态调整审查频率，与传统方法相比，显著提高了执行效率和成功率。

关键设计：在设计中，FastHarness使用了阶段记忆来存储历史执行结果，并通过分析这些结果来决定何时进行审查。此外，恢复路径的设计确保了在错误发生时能够迅速纠正，而常规执行则在恢复后继续进行，保持策略的稳定性。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，使用FastHarness后，审查令牌的使用量在四个模拟操作任务中平均减少了57.2%，而平均任务成功率从80%提升至97.19%。此外，平均每集的执行时间从85.5分钟减少到52.0分钟，显示出显著的效率提升。

🎯 应用场景

该研究具有广泛的应用潜力，尤其在自动化制造、服务机器人和智能家居等领域。通过提高机器人系统的执行效率和成功率，FastHarness能够显著降低操作成本，并提升用户体验。未来，该方法可能推动更复杂的机器人系统的开发，使其能够在动态环境中更有效地执行任务。

📄 摘要（原文）

Agentic robot systems combine language-model reasoning with robot policies to monitor execution and recover from failures. However, reviewing every action chunk incurs substantial overhead, even in familiar situations. We introduce FastHarness, an experience-driven execution harness that adaptively schedules GPT-6 Astra supervision of a π0.5 policy. A fast path uses stage memory and reviewed outcomes to reduce review frequency as experience accumulates, while a complementary recovery path focuses supervision on correcting errors. Once recovery is verified, routine execution resumes, with failure experience retained to guide future interventions. The policy remains frozen and generates fresh actions from current observations. Across four simulated manipulation tasks, reviewer token use decreases by an average of 57.2% per task from the first evaluated episode to the mean of the final five episodes. Mean episode time decreases from 85.5 to 52.0 minutes over the same interval. On the same tasks, mean success increases from 80% for GPT-as-Policy (π0.5 + GPT-6 Astra) to 97.19% with FastHarness. These results highlight adaptive supervision as a practical route to more efficient agentic robotics without additional model training.