Self-Compensating VLA利用执行残差在线补偿机器人误差，RoboStress压力测试
这篇预印本提出自补偿VLA，在部署时利用指令与实际运动残差在线微调LoRA，让策略预补偿机器人执行误差。在RoboStress仿真基准和两台Piper机械臂上，该方法平均任务成功率相比基线提升超过30个百分点（真机），并在未见物体上保持提升。这为提升VLA在真实机器人上的长期可靠性提供了不依赖任务奖励的部署期适应方案。
部署中的机器人执行误差如何影响VLA策略，以及能否在不依赖任务奖励或标签的情况下在线适应策略以补偿这些误差？
实际部署中，VLA输出的动作与机器人实际执行的运动常存在偏差，源于摩擦、齿隙、柔顺、重力补偿误差等机械与工况因素。这些误差与机器人状态和运动历史相关，现有合成扰动评估无法覆盖，导致策略性能大幅下降，甚至抓取或操作失败。
此前工作主要评估输入扰动（视角、光照、指令改写）或对输出动作添加合成高斯噪声/对抗扰动；训练时域随机化或对抗训练虽然试图提高鲁棒性，但未考虑真实执行误差的状态依赖与关节级差异，在仿真中效果不稳定。
自补偿VLA利用本体感觉测量实际末端位姿，计算指令与实际位移的残差，构建补偿伪目标，仅在线更新动作专家的LoRA适配器（秩4），无需任务奖励或标签，冻结基础策略。同时提出RoboStress仿真基准，将Stribeck摩擦、重力补偿误差、齿隙死区、动态柔顺四类关节级模型注入控制管线，组合成七个部署场景。真机实验时，在Piper臂上使用关节空间残差。
在RoboStress的七个部署场景中，自补偿VLA在所有场景均优于基础策略、域随机化（DR）和RobustVLA：以π0.5为基座，平均成功率从49.1%提升到56.6%；以π0为基座，从41.7%提升到44.2%。在两台真实Piper机械臂上（每任务25次试验），自补偿VLA相比基础策略平均成功率提升超过30个百分点；例如Robot A以π0.5为基座从43%提升到76%，以π0为基座从40%提升到72%；Robot B以π0.5为基座从43%提升到74%，以π0为基座从38%提升到71%。在Robot A的未见物体泛化测试（5种物体变体，共25次试验）中，π0.5基座下自补偿VLA达到64%，基础策略16%，RobustVLA 36%。在外部命令校正（DOB）实验中，π0.5基座下基础策略48%，仅DOB 56%，自补偿VLA 84%，DOB+自补偿VLA 80%。
作者承认未来工作包括使用外部传感器减少对本体感觉的依赖。论文未报告代码是否开源。真机实验仅在两台Piper机械臂、四个任务上进行，任务多样性有限；方法依赖本体感觉，若本体感觉存在噪声或漂移可能受影响；RoboStress为仿真基准，不能完全替代真实硬件测试，且未在更多VLA架构或更大规模基准上验证。
面向仓储、物流、家庭服务等场景中已部署或即将部署VLA的机器人厂商，尤其是有长期运行、磨损、变载荷需求的机械臂。时间尺度为1至3年，因为方法是即插即用的在线微调，无需重训基础模型，但需要本体感觉接口和部署时更新能力。前提是策略具备可微调的动作专家，且计算平台支持在线更新。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。