arXiv cs.AI· Ahin Lee, Jinwoo Seo, Youngsoo Jang, Taesik Gong·· 10 天前AI 评分28
SALT：让 VLA 模型在执行中自适应未知视觉干扰
Adapting Vision-Language-Action Models to Unknown Visual Disruptions During Execution
AI 导读
研究者提出自监督测试时自适应方法 SALT，利用上一动作块中未执行的"剩余轨迹"作为监督信号，无需干扰标注、专家动作或目标域演示即可在线更新 VLA 策略。在 LIBERO-10 上，SALT 将 SmolVLA 在五种持续视觉损坏下的平均成功率从 43.9% 提升至 53.2%，GR00T N1.7 从 58.7% 提升至 66.0%，并基本保持正常性能。
正文 · AI 翻译
摘要：机器人在执行任务时可能会出现视觉干扰，使视觉-语言-动作（VLA）策略在不知道干扰类型或发生时间的情况下做出响应。我们提出了基于剩余轨迹的自监督适应（SALT），它利用剩余轨迹——即上一动作块中未执行的部分——作为测试时适应的自监督信号。由于连续的动作块在时间上重叠，剩余轨迹为当前预测在同一未来控制区间上提供了一个时间对齐的目标。在视觉偏移发生时，剩余轨迹可能保留在损坏发生之前形成的计划，因此将策略向其更新可以在偏移期间锚定适应过程（过渡锚定）。SALT 保留适应后的策略并重新生成当前动作块，其剩余轨迹成为下一次重规划时的目标，从而将修正沿执行轨迹向前传递（顺序修正传播）。监督完全来自策略自身的预测，不需要干扰标注、专家动作或目标域演示，并且一个仅在正常轨迹上校准的轻量级适应门控决定何时开始更新。在 LIBERO-10 上，SALT 将五种持续视觉损坏下的平均成功率从 43.9% 提升至 53.2%（SmolVLA），并从 58.7% 提升至 66.0%（GR00T N1.7），同时基本保持正常性能。在真实机器人上，它将数字和物理干扰下的平均任务进度从 0.49 提升至 0.61。
| 评论： | 22 页，15 幅图，13 张表 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.07946 [cs.RO] |
| （或 arXiv:2610.07946v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07946 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ahin Lee [查看邮箱]
[v1]
2026年10月6日星期二 08:21:19 UTC（3,500 KB）
来源：arXiv cs.AI · arxiv.org