CARE：让视觉语言动作策略从失败中学会纠错

2026年9月22日阅读约 3 分钟

导语

视觉语言动作（VLA）策略正在推动机器人从“看懂指令”走向“直接行动”。但在真实操作中，机械臂很容易因抓取位置偏移、物体姿态变化或阶段衔接不理想而偏离预定轨迹。传统策略往往默认执行过程接近训练数据，一旦出现局部失败，就可能继续错误动作，甚至导致整项任务中断。

来自论文《CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies》的方法，试图把问题转化为一个更具体的能力：机器人如何识别当前处于哪个执行阶段，并用尽可能小的动作把任务拉回正轨。

从执行失败中收集经验：CARE不主要依赖人工预设的扰动，也不通过随机改变初始状态来制造纠正数据，而是记录机器人实际执行时产生的失败轨迹。
建立阶段条件化的偏差模型：同一种偏差发生在抓取、移动或放置等不同阶段，后果和最佳恢复方式可能并不相同。CARE据此建模失败后的状态偏差，并利用经验分布合成具有代表性的失败状态和纠正示范。
执行原子级恢复动作：推理时，系统将任务拆分为多个阶段，结合阶段规划判断是否需要局部调整或重新执行某个操作，而不是简单从头开始。
引入物理约束下的三维监测：三维监测用于跟踪场景和执行状态，帮助系统在任务进度仍可保留时触发纠正，从而减少不必要的全流程重启。

论文提出Failure State Recovery Benchmark（FSR-Bench），重点考察机器人从中间失败状态恢复的能力，覆盖局部偏差和结构异常等情况。这个设计补充了传统“任务成功率”评价：一个策略不仅要能完成顺利执行，也要能在已经出错后继续工作。

根据论文摘要，CARE在多种VLA骨干、仿真基准和真实双臂任务上进行了验证。结果显示，相比对应基线，仿真任务成功率平均提升14.5个百分点，真实世界任务成功率平均提升15.9个百分点。素材未进一步说明不同环境、骨干或任务的具体拆分，因此这些数字更适合作为整体效果概览，而非对所有场景的统一保证。

CARE的价值在于将“失败恢复”从临时补丁变成数据闭环：失败不再只是一次任务损失，也可以成为下一轮纠正策略的训练素材。对长流程机器人任务而言，这种原子化恢复思路有望降低局部错误对全局任务的连锁影响。

不过，方法效果仍取决于失败轨迹的质量、阶段划分以及三维状态监测的可靠性。未来还需要观察它面对更开放环境、更多类型物体和持续变化场景时的泛化能力。论文已公开代码、模型与数据，为复现实验和进一步研究提供了基础。