CAPABLE：通过行为潜变量编码实现具备能力感知的策略适应

arXiv:2610.11971v1 公告类型：cross 摘要：视觉-语言-动作（VLA）策略假定其训练所基于的实体形态保持不变，而当关节故障改变指令动作的实际物理执行方式时，这类策略可能失效。现有的故障恢复方法通常需要针对特定任务重新训练、故障标签、显式诊断或特权实体形态信息。我们提出 CAPABLE，这是一种面向冻结 VLA 的统一能力感知适应框架，将自监督能力推断与残差强化学习相结合。CAPABLE 利用跨关节共享的时序编码器、雅可比矩阵约束、跨关节注意力和自监督物理预测，根据指令-响应历史与运动学信息在线推断能力，即每个关节实际实现了多少被指令的运动，以及该运动如何影响末端执行器行为。由此得到的表征用于调节残差策略，在无需故障标签或故障关节标识符的情况下，为 VLA 的机械臂动作添加有界修正。在 28 个 LIBERO 任务中，CAPABLE 将一个未参与故障训练的执行器上的成功率从 24.8% 提升至 59.3%，相比参数量匹配的全局历史基线高出 17.4 个百分点，同时保持正常性能。在 6 个关节上进行的留一执行器实验表明，这种迁移并不局限于某一个执行器；其他评估还刻画了其向未见过的故障类别的迁移能力，并展示了其在实体 Franka Panda 上的恢复效果。https://capable-vla.github.io/