APEX: Adaptive Policy Execution for Precise Manipulation

📄 arXiv: 2606.16504v1 📥 PDF

作者: Mengfei Zhao, Chenxi Jiang, Tuo An, Jindou Jia, Jianfei Yang

分类: cs.RO

发布日期: 2026-06-15

备注: 20 pages, 9 figures, 4 tables

💡 一句话要点

提出APEX框架以解决执行差距问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 自适应执行 模仿学习 视觉运动 控制器 执行差距 机器人操作 动态重构

📋 核心要点

  1. 现有模仿学习方法在执行高层次动作时，常因缺乏高阶参考信号而导致执行差距，影响精确操作。
  2. 本文提出APEX框架，通过在策略与控制器之间插入一个适应性模块，动态重构参考信号并根据反馈进行调整。
  3. 实验结果表明，APEX显著降低了控制器引起的跟踪误差，并在多种策略中提高了操作成功率，验证了其有效性。

📝 摘要（中文）

现代模仿学习方法（如视觉运动和视觉-语言-动作策略）通常输出高层次的动作参考，由低层控制器执行。然而，缺乏高阶参考信号以及策略在训练期间对低层控制动态的缺乏意识，导致执行差距的产生，进而影响精确操作。本文提出了自适应策略执行（APEX）框架，作为策略与控制器之间的插件，能够根据低层状态反馈动态重构可行的参考，并在测试时进行适应，确保收敛性。实验证明，APEX在演示重放中减少了41.2%的控制器引起的跟踪误差，并在四类视觉运动和VLA策略中提高了4.8%至25.8%的操作成功率。

🔬 方法详解

问题定义：本文旨在解决现代模仿学习方法中存在的执行差距问题，现有方法在高层策略与低层控制器之间缺乏有效的连接，导致实际执行动作与策略命令之间的偏差。

核心思路：APEX框架的核心思想是将一个适应性模块插入策略与控制器之间，能够根据低层状态反馈动态调整参考信号，从而缩小执行差距。

技术框架：APEX框架主要包括三个模块：高层策略模块、适应性执行模块和低层控制器模块。高层策略输出动作参考，适应性模块根据低层反馈进行调整，最后由低层控制器执行。

关键创新：APEX的主要创新在于其“插拔式”设计，使得在不修改现有策略和控制器的情况下，能够有效地桥接执行差距，确保策略输出与实际执行之间的高一致性。

关键设计：在设计中，APEX使用了动态重构算法，根据实时反馈调整参考信号，并确保收敛性。此外，损失函数的设计也考虑了跟踪误差的最小化，以提高整体性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，APEX在演示重放中减少了41.2%的控制器引起的跟踪误差，并在四类视觉运动和VLA策略中提高了4.8%至25.8%的操作成功率，显著提升了系统的整体性能和可靠性。

🎯 应用场景

APEX框架具有广泛的应用潜力，特别是在精确操作要求高的领域，如机器人抓取、自动化装配和人机协作等。通过提高模仿学习系统的执行精度，APEX能够推动智能机器人在复杂环境中的应用，提升其自主操作能力和效率。

📄 摘要（原文）

Modern imitation learning methods, including visuomotor and Vision-Language-Action (VLA) policies, typically output high-level action references that are executed by low-level controllers. However, the absence of higher-order reference signals, together with the policy's lack of awareness of the underlying low-level control dynamics during training, inevitably induces an execution gap. As a result, realized actions deviate systematically from policy-commanded ones, with a critical impact on precision-sensitive manipulation. Prior work either modifies the policy architecture or the low-level controller, both requiring intrusive changes to the pretrained policy or packaged controller. This raises a natural question: when the policy and controller are both treated as inaccessible black boxes, can we bridge the execution gap? We propose Adaptive Policy Execution (APEX), a plug-and-play framework inserted between the policy and the controller that reconstructs a dynamically feasible reference from policy outputs and adapts at test-time according to low-level state feedback, with a provable convergence guarantee. Extensive empirical studies show that APEX reduces controller-induced tracking error by 41.2% on demonstration replay and improves manipulation success by 4.8--25.8 percentage points across four visuomotor and VLA policy classes.