学习协助：用于隐式人机协作的协作 VLA

人机协作（HRC）结合了人类和机器人的互补优势，以提高任务效率。然而，许多现有的协作系统依赖于手工设计的管道，限制了其新任务的可扩展性和灵活性。在这项工作中，我们展示了通过模仿学习进行端到端训练的模型，特别是视觉语言动作（VLA）模型，可以支持协作操作，并描述影响其现实世界表现的关键因素。我们评估了两个最先进的模型，并确定了隐式 HRC 中动作分块策略的失败模式，其中演示动作泄漏（即跨越潜在任务转换的动作块）可能会导致过早的辅助行为。我们发现这个问题随着执行时间的延长而增加，并且发生在现实世界的协作 VLA 系统中，例如当机器人试图在人准备好之前移交工具时。我们提出了一种推理时间引导方法来减少这些错误的辅助操作，同时保持策略性能。最后，通过一项由 16 名参与者参与的长期协作组装任务用户研究，我们表明，与短期策略相比，引导可以实现更长的执行范围，同时减少过早的协助，从而实现更快的协作并减少失败。