用于稳健机器人部署的自适应 VLA

虽然视觉-语言-动作 (VLA) 模型在机器人操作方面展示了令人印象深刻的能力，但它们的无记忆特性使得它们很容易受到测试时环境变化的影响，特别是由于磨损或不完善的校准引起的硬件变化。使这些模型能够在部署过程中自适应而不需要持续的现场重新校准仍然是现实世界可扩展性的关键瓶颈。在这项工作中，我们引入了自适应 VLA，这是一种新颖的训练后配方，使策略能够利用其自身的部署作为上下文，迭代地适应部署时的硬件变化。为此，我们首先收集有意注入的硬件转变下的策略执行轨迹。然后，我们通过针对这些已知转变预先补偿专家行动，将基本策略的训练数据转换为转变条件的专家演示。接下来，我们介绍一个轻量级的插件上下文编码器，它将上下文（包括视觉观察、本体感觉和转移环境中的动作）压缩为潜在上下文标记。该词元通过自适应层标准化（AdaLN）来调整策略。此外，我们发现上下文词元可以集成，允许策略迭代地自我纠正并逐步减轻故障。跨越四个精度关键的双手和灵巧操作任务的大量实验表明，自适应 VLA 在硬件变化（例如驱动偏差和联合编码器偏移）下恢复了超过 80% 的基本策略性能。此外，与基本策略相比，自适应 VLA 可以更稳健地部署到新工作站。我们的方法为现实世界中强大的大规模机器人部署和更轻松的维护提供了一条途径。观看此 https URL 中的视频。