RoboBRIDGE：用于将策略桥接到强大的现实世界机器人代理的模块化框架

视觉-语言-动作（VLA）模型作为一种可扩展的机器人操作方法引起了越来越多的兴趣。虽然这些模型是有效的动作预测器，但将它们部署为机器人代理会暴露出关键的差距：没有故障恢复机制，长期执行不一致，以及对观察、任务或实施例的变化的鲁棒性有限。现有的解决方案通过模型再训练或特定于环境的模块来单独解决这些限制，但我们需要的是一个通用框架，可以系统地将预训练的 VLA 转换为机器人代理。我们提出了 RoboBRIDGE，这是一个模块化框架，它提供了五个协调模块（即监视器、感知器、规划器、控制器和机器人接口）的编排层，以从现成的组件（包括预训练的 VLA）组成强大的机器人代理。监视器将快速故障检测与分层恢复相结合，以在错误级联之前纠正错误。当环境偏离当前计划时，规划器会触发重新规划，而感知器会异步更新场景理解，从而避免执行停滞。在控制器内，原始技能 微调 将使用专用 LoRA 适配器的操作分解为域不变原语，从而降低使用 VLA 时对域转换的敏感性。在跨越多个机器人平台和 VLA 主干的 LIBERO、RoboCasa 和实际案例研究中，RoboBRIDGE 始终优于独立策略和之前的增强型 VLA 部署。这些结果表明，可靠的机器人机构不仅仅来自于缩放动作预测器，而是来自于围绕它们的结构化编排。