JitterVLA：VLA驱动的人机操作中的运动质量重放基准

arXiv:2610.13628v1 公告类型：cross 摘要：视觉-语言-动作（VLA）策略发出稀疏目标，这些目标抵达机器人控制器时存在延迟且不规律，因此，即使预测的动作合理，也可能在人员附近产生突兀运动。现有解决方案的评估所使用的数据流、延迟和指标各不相同。JitterVLA通过不同控制器重放完全相同的指令和到达轨迹，从而单独分析控制器的影响。我们将其应用于合成到达动作、20人的手部轨迹、三个开源 VLA 流程（838个回合）以及一台实体 UR3。在延迟200毫秒的人体运动中，插值使所有来源的建模 p99 加加速度均有所降低，降幅为83%（从615降至106 m/s^3），代价是2.0厘米的跟踪误差；这一效果在新增的598个回合中也得到了复现。在更大的代价下，受加加速度限制的生成方式进一步降低了加加速度。熵与不连续性之间的关联在两个流程中呈现方向相反且可复现的结果；熵门控在其中一个流程中有效，但在另一个流程中无效。在 UR3 上，插值使六组探索性配对中的加速度计推导加加速度降低了3.0%至14.0%，而基于位置推导的指标未能解释这一差异。JitterVLA支持在开展以人为中心的研究之前进行筛选；代码和数据将发布。