arXiv cs.AI· Yixiang Zhu, Yonghao Chen, Jiaxiang Zou, Yusong Hu, Xinyu Chen·· 12 小时前AI 评分34
DEFLECT：面向延迟鲁棒异步 VLA 的时间反事实偏好学习
DEFLECT: Temporal Counterfactual Preference Learning for Delay-Robust Asynchronous VLAs
AI 导读
DEFLECT 是一个离线后训练框架，利用训练轨迹中可观测的预测-执行状态错配构建偏好监督，提升异步 VLA 策略的延迟鲁棒性。在 Kinetix、LIBERO 和三个真实机器人任务上，最长支持延迟下 Kinetix 成功率比 VLASH 高 4.2 个百分点，LIBERO 上比 GR00T N1.7 的朴素异步执行高 22.7 个百分点。
正文 · AI 翻译
摘要：视觉-语言-动作（VLA）策略越来越依赖异步推理，以在机器人持续运动的同时隐藏模型延迟。在推理期间，机器人继续执行当前的动作块，而下一个动作块则基于推理开始时获得的观测生成。等到新动作块被执行时，机器人或场景可能已经发生变化，因此适合预测时状态的动作可能与执行时状态不匹配。训练时方法根据预期的执行延迟修改策略输入或监督目标，但并未直接监督动作应如何随场景在预测与执行之间的演变而变化。运行时修复方法改善动作块的连续性或在部署期间修改动作，但仍可能使动作与预测时状态而非执行时状态对齐。我们的关键洞见是：执行时的观测在做出在线预测时不可用，但在离线训练期间记录下来的轨迹中是可用的，这使得预测-执行不匹配在训练期间可被观测。我们提出 DEFLECT，一个离线后训练框架，将这种时间对比转化为偏好监督，用于从陈旧输入出发进行动作的策略。在 Kinetix、LIBERO 和三个真实机器人任务上，DEFLECT 在所评估的 VLA 策略和设置中提升了延迟鲁棒性。在支持的最长延迟下，它在 Kinetix 上比 VLASH 提升成功率 4.2 个百分点，在 LIBERO 上使用 GR00T N1.7 比朴素异步执行提升 22.7 个百分点。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.19294 [cs.RO] |
| （或本版本的 arXiv:2605.19294v3 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2605.19294 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yixiang Zhu [查看邮箱]
[v1]
2026年5月19日星期二 03:14:11 UTC（561 KB）
[v2]
2026年6月3日星期三 03:32:00 UTC（13,769 KB）
[v3]
2026年10月20日星期二 10:44:37 UTC（9,073 KB）
来源：arXiv cs.AI · arxiv.org