RESETTLE：通过分歧触发检索和高效纠正控制进行机器人恢复

可靠的机器人操作需要及时干预，以纠正新出现的偏差并在执行错误后恢复进度。然而，基于重复视觉语言推理或迭代在线优化的恢复方法可能会产生大量延迟，从而延迟干预。为了应对这些挑战，我们引入了 RESETTLE（通过损伤触发检索和高效校正控制进行机器人恢复），这是一个与模型无关的框架，可在冻结机器人策略的动作执行界面上提供计算上有效的恢复。当在相同条件下独立采样的两个行动建议持续不一致时，RESETTLE 会触发恢复。它使用改编的 V-JEPA 编码器检索相同任务的演示参考，并将状态伺服先验与受保护的视觉残差相结合，以执行一项纠正操作，无需在线轨迹优化或额外的视觉语言推理，然后将控制权返回到基本策略。在模拟中的六种基本策略中，RESETTLE 实现了高达 8.70%、6.28% 和 6.83% 的绝对值 LIBERO-Plus、Meta-World 和 RoboCasa Tabletop 的成功率分别有所提高，并使用两种策略进一步改进了四项现实世界任务。在基于 QwenPI 的比较中，其监控和恢复计算延迟比 VoLoAgent 的抓取和放置工具调用监控和规划延迟低 74.04%--93.57%。它还将 Harness VLA 的 LIBERO-Pro 交换成功率从 42% 提高到 50%，证明了与高级 agentic 规划的兼容性。代码可在：https://github.com/JIA-Lab-research/RESETTLE