通过视觉-语言-动作模型的故障库自我进化从运行时反馈中学习

视觉-语言-动作（VLA）模型广泛适用于机器人操作任务，但复杂的环境需要平衡任务成功与意外接触。运行时防护可以纠正单个操作，但它们会使底层策略保持不变，因此重复的分歧可能会造成持续的策略防护不匹配，从而阻碍任务进展。为了应对这一挑战，我们引入了 FailBank，这是一个四阶段自我进化框架，可将运行时反馈转化为持久的策略改进。在收集过程中，基于 CBF 的固定安全模块充当仅观察教师，在策略保持控制的同时产生反事实修正。然后，结果感知准入将有用的建议转化为纠正目标，并保留成功的未纠正行动，作为受保护的 LoRA 更新的安静锚点。我们在 VLA-Arena 基准上评估了 FailBank 的两个难度级别和两个 VLA 主干。与基础策略相比，FailBank 提高了联合成功成本操作点。在两个骨干网中，FailBank 将任务成功率提高了 8.5 个和 6.9 个百分点，同时将策略引起的累积成本分别降低了 35.6% 和 23.8%。与运行时屏蔽相比，FailBank 将任务成功率提高了 25.4 个和 9.5 个百分点，同时保持了可比较的策略诱导累积成本。这些结果表明，运行时反馈可以作为持久的策略监督，而不仅仅是作为临时的行动约束。