CARE：针对愿景-语言-行动政策的经验引导原子纠正执行

视觉-语言-行动（VLA）策略在机器人操作方面取得了强劲的表现，但一旦执行偏离名义轨迹，它仍然很脆弱。我们提出了 CARE（纠正原子机器人执行），这是一个通过从执行过程中遇到的故障中学习来改善恢复的框架。 CARE 不是通过手动设计或随机扰动生成校正数据，而是收集失败的部署，对阶段条件的故障后偏差进行建模，并使用所得的经验分布来合成代表性故障状态和校正演示。在推理时，CARE 将分阶段规划与依据物理状态的三维监测相结合，以触发原子调整或重新操作，同时保持任务进度。我们进一步介绍了故障状态恢复基准（FSR-Bench），它评估局部偏差和结构异常情况下从中间故障状态的恢复。跨多个 VLA 主干、模拟基准和现实世界双臂任务的实验显示出一致的改进，模拟中的平均任务成功率提高了 14.5 点，现实世界中的平均任务成功率提高了 15.9 点。代码、模型和数据可在此 https URL 获取