机器人动作生成换一种预测目标:UniVEP 单次网络评估达 61.36%,超过单目标基线十六步的 59.96%
核心概要
流匹配机器人策略通常全程只预测一个目标,但把动作从噪声中恢复与把接近干净的动作修得更准,是两个不同的任务。UniVEP 在同一个动作网络里同时训练端点预测与速度预测,用一致性约束对齐两者,采样时在高噪声阶段用端点、低噪声阶段切到速度,每一步仍只跑一次网络。在 RoboTwin 上,StarVLA 配 UniVEP 单次评估取得 61.36% 成功率,高于最强单目标基线十六次评估的 59.96%;LiLa-WAM 配 UniVEP 两次评估达 85.96%,超过单目标十六步的 82.60%,动作生成延迟降低 77.1%。
深度剖析
机器人流匹配策略的动作网络不必在整个生成过程中只学一种预测目标,可以按噪声高低分工:高噪声时直接预测干净动作,低噪声时预测速度做局部修正。 此前的流匹配策略通常全程预测把噪声推向数据的那个速度场,或者全程直接预测干净动作,两种目标在解析上可互相换算,但学习难度不同。 在 StarVLA 与 LiLa-WAM 上,单次评估时速度加权端点预测(X–V)分别达到 55.56% 与 80.12%,高于直接端点预测的 40.52% 与 73.36%,也高于速度预测的 35.92% 与 67.40%;而速度预测随评估次数增加提升更多,StarVLA 上从 35.92% 升到十六次的 53.84%。
UniVEP 让同一个动作 Transformer 通过模式嵌入输出两种预测,训练时同时监督速度、端点以及两者的一致性,推理时按噪声水平只调用其中一种。 此前要加速生成通常依赖一致性蒸馏或单独训练学生模型,而这里不引入额外学生网络,只在既有策略内部改变预测目标与监督方式。 一致性项把直接预测的端点与由速度重建的端点对齐;在 RoboTwin 原生评估预算下,加入一致性项使 StarVLA 提升 4.04 个百分点、LiLa-WAM 提升 3.36 个百分点、FastWAM 提升 7.08 个百分点。
单次或两次评估的收益来自联合训练出的端点预测器本身,而不是推理时的模式切换。 在这些采样网格上,一步与两步采样全程只使用端点模式,因此提升不能归因于端点转速度的切换。 StarVLA 一步 UniVEP 为 61.36%,高于一步 X–V 的 55.56%,也高于十六步 X–V 的 59.96%;LiLa-WAM 两步 UniVEP 为 85.96%,高于单目标在八、十、十六步的最好结果 82.84%、83.48% 与 82.60%。
启示与展望
演示范围是 LIBERO、LIBERO-Plus、RoboTwin 2.0 三个仿真基准,以及一台 14 自由度 ARX A7 双臂平台上的三项任务,每项采集 50 条示教、每项评估 50 次;真实任务上 UniVEP 平均成功率 58.67%,比最强单目标基线 X–V 高 9.3 个百分点。读者若是做流匹配操作策略的研究者或工程师,可据此判断预测目标与评估预算的搭配;切换阈值目前由 StarVLA 在十六次评估下的成功率扫描选定。
FastWAM 是明确的反例:其视频主干与动作专家都按速度预测预训练,十次评估下速度预测为 73.24%,高于 UniVEP 的 57.00%;仅把动作专家改为从零训练,X–V 就从 34.20% 升到 64.48%。联合训练另有训练期代价,StarVLA 在单张 A800 上比速度预测多 6.93% 的计算量与 15.57% 的单次更新耗时;切换阈值目前按任务成功率扫描选定,从策略自身证据中学习切换规则被列为后续方向。
