If at First You Don't Succeed, Backtrack: Lightweight Recovery for Frozen VLAs

📄 arXiv: 2610.32941v1 📥 PDF

作者: Thomas Landeg, Thierry Tambe

分类: cs.RO, cs.LG

发布日期: 2026-10-23

备注: 17 pages, 1 figure, 14 tables

💡 一句话要点

提出Backtrack以解决冻结VLA模型的失败恢复问题

🎯 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: 视觉-语言-动作 机器人操作 失败恢复 轻量级机制 策略优化 多任务学习

📋 核心要点

  1. 现有的VLA模型在执行任务时容易陷入训练数据覆盖不足的状态，导致失败恢复困难。
  2. 论文提出的Backtrack机制通过轻量级的失败预测头实现失败检测与恢复，无需额外的恢复演示或策略再训练。
  3. 在LIBERO和MetaWorld的实验中，Backtrack显著降低了失败率，提高了成功率，验证了其有效性。

📝 摘要（中文）

视觉-语言-动作（VLA）模型在机器人操作中表现良好，但在遇到训练数据稀缺的状态时容易出现脆弱性。恢复失败通常需要恢复演示、策略再训练或在推理时使用单独模型。本文提出了Backtrack，一种轻量级的失败检测与恢复机制，适用于冻结的VLA模型。该机制通过一个小型的失败预测头，基于冻结策略的结果标记回放进行训练，利用VLA的内部表示来估计当前情节是否会失败。当预测的失败概率超过阈值时，控制器会暂停策略，回溯手臂最近的运动，并将控制权交还给未改变的策略，以便从早期配置重试。实验结果表明，Backtrack在LIBERO和MetaWorld上显著降低了失败率，提高了成功率。

🔬 方法详解

问题定义：本文旨在解决冻结的视觉-语言-动作（VLA）模型在执行任务时遇到未覆盖状态导致的失败恢复问题。现有方法通常依赖于额外的恢复演示、策略再训练或在推理时使用单独模型，增加了复杂性和计算成本。

核心思路：论文提出的Backtrack机制通过引入一个小型的失败预测头，利用VLA模型的内部表示来预测当前情节的失败概率，从而实现轻量级的失败检测与恢复。该设计旨在减少对额外资源的依赖，同时提高模型在未见状态下的鲁棒性。

技术框架：Backtrack的整体架构包括一个失败预测头和一个控制器。当预测的失败概率超过设定阈值时，控制器会暂停当前策略，回溯手臂的运动轨迹，并将控制权交还给未改变的策略，以便从早期状态重试。

关键创新：Backtrack的主要创新在于其轻量级的设计，仅增加0.48-0.88%的参数量，同时有效地提高了模型在长时间任务中的成功率。这与传统方法相比，显著降低了计算和资源消耗。

关键设计：在实现中，失败预测头通过对冻结策略的结果标记回放进行训练，采用简单的阈值机制来判断失败概率。此外，控制器的设计确保了在失败预测时能够快速响应并进行有效的回溯。整体设计注重效率与效果的平衡。

📊 实验亮点

在LIBERO-Long任务中，Backtrack将每个策略的失败率降低了19-48%，成功率提高了最高7.4个百分点。在MetaWorld中，所有测试的控制器配置均优于未辅助的策略，验证了Backtrack的有效性和广泛适用性。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化生产线和智能家居等场景。通过提高VLA模型在复杂环境中的鲁棒性，Backtrack能够显著提升机器人在实际任务中的成功率，降低操作失败的风险，具有重要的实际价值和未来影响。

📄 摘要（原文）

Vision-Language-Action (VLA) models perform well on robotic manipulation, yet remain brittle once their own actions carry them into states their training data barely covers. Recovering from such failures usually requires recovery demonstrations, policy retraining, or a separate model at inference time. We introduce Backtrack, a lightweight failure detection and recovery mechanism for frozen VLAs that needs none of these. A small failure prediction head, trained only on outcome-labeled rollouts of the frozen policy, reads the VLA's existing internal representations to estimate whether the current episode will fail. When the predicted failure probability exceeds a threshold, a controller pauses the policy, retraces the arm's recently achieved motion, and hands control back to the unchanged policy so it can retry from an earlier configuration. The head adds only 0.48-0.88% to the policy's parameter count. We evaluate Backtrack on LIBERO with three VLAs spanning two action-generation families: SmolVLA and $π$0.5, which use flow-matching action experts, and the autoregressive $π$0-FAST. On LIBERO-Long, the suite of long-horizon multi-step tasks and the one on which all three policies fail most often, Backtrack reduces each policy's failure rate by 19-48%, raising success by up to 7.4 percentage points; on the three shorter suites, where control success is already 85-99%, its effect is smaller. On MetaWorld, all twelve controller configurations tested with SmolVLA improve on the unassisted policy.