Self-Compensating VLA: Online-Anpassung gegen Ausführungsfehler von Robotern
Das Paper stellt Self-Compensating VLA vor, eine Methode zur Deployment-Zeit-Anpassung von Vision-Language-Action-Policies, die sich ohne Belohnungen oder Labels an Ausführungsfehler des Roboters anpasst. Sie nutzt die Differenz zwischen kommandierter und tatsächlich ausgeführter Bewegung als Selbstüberwachungssignal. In Simulation (RoboStress) und auf zwei realen Roboterarmen erzielt die Methode deutlich höhere Erfolgsraten als Baselines und Trainingszeit-Robustheitsverfahren; es handelt sich um ein Preprint.
Wie kann eine VLA-Policy während des Einsatzes robust gegenüber roboterbedingten Ausführungsfehlern gemacht werden, die durch Mechanik, Verschleiß oder Betriebsbedingungen entstehen, ohne auf Belohnungen oder Labels zurückzugreifen?
VLA-Policies versagen oft, wenn die tatsächlich ausgeführte Bewegung des Roboters vom kommandierten Aktionswert abweicht. Solche Ausführungsfehler entstehen durch Reibung, Getriebespiel, Nachgiebigkeit, Gravitationskompensationsfehler und variieren mit Gelenkzustand und Bewegungshistorie. Bisherige synthetische Aktionsstörungen modellieren diese Abhängigkeiten nicht und ignorieren gelenkspezifische Effekte.
Bisherige Ansätze zur Verbesserung der VLA-Robustheit injizieren synthetisches Rauschen in die Endeffektor-Kommandos (z. B. Domain Randomization, RobustVLA) oder passen die Policy während des Trainings an. Diese Methoden berücksichtigen nicht, dass reale Ausführungsfehler vom aktuellen Gelenkzustand und der Bewegungshistorie abhängen und an einzelnen Gelenken unterschiedlich wirken.
Self-Compensating VLA berechnet das Residuum zwischen kommandierter und ausgeführter Bewegung über Propriozeption und nutzt es als Pseudo-Ziel für ein Online-Update der Policy. Dazu werden LoRA-Adapter an den Action-Expert der Basis-Policy angehängt und mit einem Flow-Matching-Objektiv aktualisiert, das die vorhergesagte Geschwindigkeit zum Zielwert regressiert; ein Anker-Term begrenzt die Parameterdrift. Ergänzend wird der RoboStress-Benchmark eingeführt: eine kontrollierte Simulation, die vier etablierte gelenkbezogene Fehlermodelle (Stribeck-Reibung, Gravitationskompensationsfehler, Backlash, dynamische Compliance) in sieben Einsatzszenarien kombiniert und an den korrekten Stellen der Steuerungspipeline injiziert.
Auf RoboStress verbessert Self-Compensating VLA die durchschnittliche Erfolgsrate mit pi0.5 von 49,1 % auf 56,6 % und mit pi0 von 41,7 % auf 44,2 % und übertrifft in allen sieben Szenarien die Baselines und Trainingszeit-Methoden. Auf zwei physischen Piper-Armen steigt die mittlere Erfolgsrate um mehr als 30 Prozentpunkte pro Arm: für pi0.5 von 43 % auf 76 % (Roboter A) bzw. 74 % (Roboter B), für pi0 von 40 % auf 72 % bzw. 38 % auf 71 %. Bei Objektvarianten, die nicht im Fine-Tuning enthalten waren, erreicht die Methode mit pi0.5 64 % Erfolg gegenüber 16 % der Basis und 36 % von RobustVLA. Zusätzlich profitiert die Anpassung von externer Kommandokorrektur: Ein DOB allein erzielt 56 %, die Kombination DOB plus Self-Compensating VLA 80 %, Self-Compensating VLA allein 84 % auf Aufgabe 1 mit pi0.5.
Die Autoren nennen als zukünftige Arbeit die Einbeziehung externer Sensoren, um die Abhängigkeit von Propriozeption zu reduzieren. Die realen Experimente beschränken sich auf zwei Piper-Arme und vier Aufgaben; eine breitere Hardware- und Aufgabenvielfalt ist nicht untersucht. Ob der Code veröffentlicht wird, ist im Paper nicht berichtet.
Unternehmen, die VLA-Modelle auf physischen Robotern einsetzen, etwa Hersteller von Servicerobotern oder flexible Automatisierungslösungen, könnten Self-Compensating VLA kurzfristig (1 bis 3 Jahre) integrieren, um Ausfallzeiten und Fehlgriffe durch mechanische Abnutzung zu reduzieren. Voraussetzung ist die Verfügbarkeit von Propriozeptionsdaten und die Fähigkeit, während des Betriebs LoRA-Updates durchzuführen. Da keine Belohnungen oder Labels benötigt werden, ist der Aufwand überschaubar; die Methode könnte auch auf andere Roboterhardware übertragen werden, sofern die Aktionsräume angepasst werden.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.