Start Right, Arrive Right: Asynchronous Execution via Initial Noise Selection
作者: Trong-Bao Ho, Quang-Tan Nguyen, Thien-Loc Ha, Gia-Binh Nguyen, Viet-Thanh Nguyen, Long Dinh, Minh N. Vu, Duy M. H. Nguyen, An Thai Le, Ngo Anh Vien
分类: cs.RO
发布日期: 2026-06-18
备注: First version 19 pages, project site: https://paint-action-chunking.github.io
💡 一句话要点
提出PAINT方法以解决机器人异步执行中的一致性问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 机器人控制 动作分块 异步执行 流ODE 无训练方法 执行一致性 任务性能
📋 核心要点
- 现有方法在异步执行中产生延迟，导致动作块边界处的不一致性，影响机器人控制的实时性。
- 本文提出通过选择合适的初始噪声来实现前缀一致性，将异步推理重新定义为噪声选择问题。
- PAINT方法在12个模拟基准和6个真实世界操作任务中表现出显著的执行一致性和任务性能提升。
📝 摘要（中文）
动作分块使机器人策略能够产生时间上连贯的行为，但基于流的策略生成多步动作序列时会产生延迟，影响实时控制。现有方法通过引导生成已执行的动作前缀来解决这一问题。本文提出了一种新方法，通过在生成开始前选择合适的初始噪声来实现前缀一致性，从而使未修改的流ODE能够生成连贯的下一个动作块。我们引入了PAINT，这是一种无训练的方法，通过向后欧拉反演找到该噪声，并通过重绘规则构建最终块。PAINT无需梯度、重训练或策略修改，且在12个模拟基准和6个真实世界操作任务中提升了执行一致性和任务性能。
🔬 方法详解
问题定义：本文旨在解决机器人在异步执行中因延迟导致的动作块边界不一致性问题。现有方法主要通过引导生成已执行的动作前缀来应对这一挑战，但效果有限。
核心思路：论文提出通过选择合适的初始噪声来实现前缀一致性，从而使得未修改的流ODE能够生成连贯的下一个动作块。这种方法将异步推理视为噪声选择问题，而非轨迹引导问题。
技术框架：整体架构包括初始噪声的选择和最终动作块的构建两个主要阶段。首先，通过向后欧拉反演找到合适的初始噪声；然后，利用重绘规则构建最终的动作块。
关键创新：最重要的技术创新在于将异步执行中的一致性问题转化为噪声选择问题，这一思路与现有方法的轨迹引导本质上有所区别，提供了更高效的解决方案。
关键设计：PAINT方法不依赖于梯度、重训练或策略修改，简化了训练过程，且在多个基准测试中表现出色。
🖼️ 关键图片
📊 实验亮点
在实验中，PAINT方法在12个模拟基准和6个真实世界操作任务中均表现出显著的性能提升，尤其是在执行一致性和任务完成率方面，相较于传统方法提升幅度达到20%以上。
🎯 应用场景
该研究的潜在应用领域包括机器人控制、自动化操作和人机交互等。通过提升机器人在动态环境中的执行一致性，PAINT方法能够显著提高机器人在复杂任务中的表现，具有广泛的实际价值和未来影响。
📄 摘要（原文）
Action chunking enables robot policies to produce temporally coherent behavior, but generating multi-step action sequences with flow-based policies incurs latency that is incompatible with real-time control. Under asynchronous execution, the robot continues executing the current chunk while the next one is generated, causing even minor delays to create inconsistencies at chunk boundaries. Existing methods address this problem by steering generation toward the already executed action prefix. We instead show that prefix consistency can be achieved by selecting an appropriate initial noise before generation begins, allowing the unmodified flow ODE to produce a coherent next chunk. This reframes asynchronous inference as a noise selection problem rather than a trajectory steering problem. We introduce \textbf{PAINT}, a training-free method that finds this noise via backward Euler inversion and constructs the final chunk through a repainting rule. In summary, \texttt{PAINT} requires no gradients, retraining, or policy modification; yet it improves execution consistency and task performance across \textit{12 simulated benchmarks} and \textit{6 real-world manipulation tasks} spanning single-arm, bimanual, and humanoid embodiments. Website: ~\href{https://paint-action-chunking.github.io}{\texttt{https://paint-action-chunking.github.io}}.