arXiv cs.AI· David Ahmedt-Aristizabal, Abdelwahed Khamis, Mohammad Ali Armin, Lars Petersson·· 6 天前AI 评分23
RESCUE：VLA 运行时监控器的告警值得响应吗？反事实评估框架
RESCUE: Is This Alarm Worth Acting On? Counterfactual Evaluation of VLA Runtime Monitors
AI 导读
RESCUE 是一个反事实评估框架，用于判断机器人策略运行时监控器的告警能否支持有效干预，通过恢复仿真器与策略状态、比较替代动作并定位满足恢复标准的最晚检查点来评估。
正文 · AI 翻译
摘要：机器人策略的运行时故障监测器通常通过其区分失败与成功执行的准确程度来评估。然而，准确的警报可能来得太晚而无法恢复，而不必要的干预可能会破坏原本会成功的执行。我们提出 RESCUE，一个反事实框架，用于评估监测器的警报是否能促成有用的干预。通过在执行检查点恢复模拟器和策略状态，RESCUE 比较替代动作，识别满足指定恢复标准的最新检查点，并评估对警报采取行动是否能降低预期的任务完成成本。我们使用 OpenVLA-OFT 和 $\pi_{0.5}$ 在 LIBERO-Spatial 和 LIBERO-Plus 上以 128,340 个反事实分支评估 RESCUE。可恢复性取决于状态—干预对，而非仅取决于机器人状态：在 $\tau=0.5$ 时，66 个 OpenVLA-OFT/LIBERO-Plus 失败中有 14 个在继续执行下包含可恢复检查点，而在继续执行或脚本化恢复下有 34 个，同时恢复在其他条件下会降低可恢复性。在主要的强策略条件下，良好的检测分数并不能确立更低的干预成本。在所评估的停止并重置模型下，即使是一个理想化的检测器，也只能承受 2.0–3.3% 的误报率，超过这一比例，不必要的重置就会超过尽早停止失败所带来的节省。这些结果表明，监测器的价值共同取决于可用的干预措施及其部署的工作负载。
| Subjects: | Robotics (cs.RO); Artificial Intelligence (cs.AI) |
| Cite as: | arXiv:2610.13516 [cs.RO] |
| （或 arXiv:2610.13516v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13516 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
From: David Ahmedt-Aristizabal [view email]
[v1]
Fri, 9 Oct 2026 12:38:35 UTC (243 KB)
来源：arXiv cs.AI · arxiv.org