让机器人学会“纠错”：A²-MEAS如何走向具身智能

导语

机器人能够根据视觉和语言执行动作，并不等于拥有持续自主性。现实任务往往包含多个步骤，任何一次抓取、定位或放置失败，都可能让后续流程失效。论文《Toward the Era of Agentic Embodied Intelligence》提出的 A²-MEAS，试图把“发现问题并修正动作”从临时的外部干预，变成具身智能系统中的标准能力。

核心方法

A²-MEAS 是一个围绕代码接口构建的具身多智能体框架。它将基础模型的纠正语言、空间证据、机器人刚刚执行的动作以及后续动作建议，组合成可学习的 correction code。这里的“代码”并非传统程序，而是一种在不同模块之间传递状态、诊断和行动意图的结构化信息。

框架中的 MetaBrain 负责提供训练监督，并在运行时辅助判断。训练阶段，纠正编码器和适配器把这些信息吸收到策略权重中；部署阶段，即使模型权重保持冻结，新的纠错代码仍可用于改变后续行为。这样做的价值在于，系统不必每次遇到新错误都重新训练完整策略。

动作模型 A²-WLA 则在视觉—语言—动作策略中加入了运动感知的历史信息和潜在世界模型。与只关注当前画面的控制方式相比，它还会考虑此前发生了什么，以及某个动作可能如何改变环境，从而为长程任务提供更完整的决策依据。

实验结果

论文报告的结果覆盖仿真基准与真实机器人：

• 在 BEHAVIOR 2026 的 50 项公开子集上，在线纠错前达到 0.5755 的 Q-score；论文同时指出，与 2025 年获胜结果的公开分数相比，这一数值高出 2.21 倍，但两者来自不同版本和训练配置，不能视为严格对照实验。
• 在全部 100 项公开任务上，A²-MEAS 达到 0.6411 的 Q-score，任务成功率为 45.40%。该团队的参赛系统还获得了 2026 BEHAVIOR Challenge 全球第四名。
• 在 RoboTwin 2.0 上，A²-WLA 的平均成功率为 93.98%，加入完整系统后升至 95.05%。
• 在五种家庭场景的 12 个真实机器人任务中，A²-WLA 平均成功率为 57.92%，高于 pi0.5 的 26.67%。在固定动作策略的测试中，机器人单独完成了 120 次运行中的 50 次；启用纠错接口后，完成数升至 63 次。
• 在长程手冲咖啡任务中，历史条件适配器将两个滤纸处理步骤的失败后完成率分别从 14% 提升至 94%、从 8% 提升至 82%，对照组为直接重试。

意义与边界

A²-MEAS的重要启发，是把机器人能力提升的重点从“预测下一步动作”扩展到“理解刚才为何失败，以及下一步如何补救”。这类纠错层可以复用已有动作策略，并减少部署阶段重新训练的成本，也为基础模型、世界模型和机器人控制器之间提供了更明确的协作接口。

不过，当前结果仍主要说明该方法在指定任务和基准上的有效性。论文摘要没有给出更广泛环境中的泛化边界，也没有消除不同基准版本、训练数据和配置带来的比较偏差。未来真正关键的问题，是纠错代码能否在未见过的对象、布局和连续失败中保持稳定，并最终支持更长时间、少人工介入的家庭机器人工作流。

来源：Hugging Face Daily Papers