论文页面 - CarryOn：用于个性化与可靠机器人辅助的双循环框架

来源：https://huggingface.co/papers/2610.21453

摘要

CarryOn 通过持久化的个性化规划和带有恢复技能的监督执行来增强冻结的视觉-语言-动作策略，从而提升安全性和适应性。

虽然通用视觉-语言-动作（VLA）模型已经实现了多样化的开放世界操作任务，但真实世界的机器人辅助需要两项目前尚不具备的关键能力：个性化和可靠执行。首先，执行“给我做个三明治“这样的指令需要将子任务分解落地到持久化的用户偏好上，而不是依赖单一的通用方案。其次，可靠的部署需要可解释的安全保障，主动预防危险并在偶发物理故障时优雅地恢复。为了解决这些差距，我们提出了 CarryOn——一个专为增强冻结的VLA策略而设计的双循环框架。规划循环维护持久化的用户级和场景级上下文，不断将这些上下文与新的观测进行对齐，并通过交互进行修订，从而实现跨对话和场景变化的个性化任务选择与执行落地。执行循环主动监督策略的推演过程，屏蔽可能造成危险接触的动作。当执行失败时，系统会调用可复用的基于控制的恢复技能来恢复任务进度，并通过对先前失败的反思进行优化。在真实机器人和仿真环境中，CarryOn 能够跨用户和场景调度与偏好一致的子任务，将已经过安全微调的 VLA 的违规率从 52.6% 降低到 6.1%，并在复用优化后的技能时将恢复成功率从 13% 提升到 80%。

查看 arXiv 页面 (https://arxiv.org/abs/2610.21453)　查看 PDF (https://arxiv.org/pdf/2610.21453)　项目页面 (https://vincent2311.github.io/Projects/CarryOn/)　GitHub1 (https://github.com/JIA-Lab-research/CarryOn)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.21453)

在你的 agent 中获取这篇论文：

hf papers read 2610.21453

还没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.21453 以从此页面链接。

引用此论文的数据集 0

没有数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.21453 以从此页面链接。

引用此论文的 Spaces 0

没有 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.21453 以从此页面链接。

包含此论文的合集 0

没有合集包含此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 以从此页面链接。