Utility-WAM: Correcting Future-Induced Action Changes
作者: Feihong Zhang, Xi Lin, Yulong Shi, Zuxing Lu, Yanghong Mei, Zhaopeng Gu, Tingyu Yuan, Zihao Liang, Yinuo Wang, Zhaowen Li
分类: cs.RO
发布日期: 2026-10-29
💡 一句话要点
提出Utility-WAM以解决未来引发的动作变化问题
🎯 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)
关键词: 世界动作模型 机器人控制 未来条件化 残差适配器 精确任务 性能优化 自动化技术
📋 核心要点
- 现有的世界动作模型在处理未来条件时，可能导致动作执行的负面转移，尤其是在精确任务中表现不佳。
- 论文提出了Utility-WAM，通过残差适配器修复未来引发的速度增量，优化机器人控制的精度和效率。
- 实验结果表明，Utility-WAM在RoboTwin~2.0上成功率提升至93.3%，在物理双手操作中成功率达到88.3%。
📝 摘要（中文）
世界动作模型（WAMs）能够基于生成的视觉未来条件化机器人动作，但这种额外的上下文并非无成本且并不总是有利。我们研究了预测的未来实际上改变了什么：同一模型的未来条件和未来无条件执行路径之间的动作增量Δa。在共享的WAM检查点下，这一增量对平均基准成功率的影响微乎其微，同时生成视觉未来使推理延迟增加了1.7至1.9倍。我们引入了Utility-WAM，用于对未来条件控制进行现场修正，其主要学习组件是一个残差适配器，能够在冻结的共享WAM下修复未来引发的速度增量。该适配器选择性地消除了大多数严重任务下降，同时保持长远的前瞻性。
🔬 方法详解
问题定义：论文要解决的问题是未来条件化控制在精确任务中引发的负面转移，导致动作执行失败。现有方法在某些任务上表现良好，但在精确操作时却出现显著下降。
核心思路：论文的核心思路是引入Utility-WAM，通过残差适配器修复未来引发的速度增量，从而提高机器人在精确任务中的表现。通过对比真实动态指导和未来无条件基线，适配器能够有效减少错误。
技术框架：整体架构包括一个共享的WAM检查点和一个残差适配器。适配器在冻结的WAM下工作，修正未来引发的速度增量，并通过轻量级的预生成门来减少视频生成的计算量。
关键创新：最重要的技术创新点是引入残差适配器，能够在保持长远前瞻性的同时，显著减少精确任务中的性能下降。这一方法与现有的WAM方法相比，能够更有效地处理未来条件化带来的负面影响。
关键设计：关键设计包括适配器的损失函数，旨在惩罚超出未来无条件基线的过量误差。此外，轻量级的预生成门能够在75.5%的查询中跳过视频生成，降低延迟38%。
🖼️ 关键图片
📊 实验亮点
实验结果显示，Utility-WAM在RoboTwin~2.0上的平均成功率提升至93.3%，在LIBERO上达到98.9%。在物理双手操作中，Utility-WAM在60次试验中成功53次，相较于FAST-WAM的43次有显著提升。
🎯 应用场景
该研究的潜在应用领域包括机器人操作、自动化制造和服务机器人等。通过提高机器人在精确任务中的表现，Utility-WAM能够在实际应用中显著提升工作效率和成功率，推动智能机器人技术的发展。
📄 摘要（原文）
World Action Models (WAMs) can condition robot actions on generated visual futures, but this additional context is neither cost-free nor uniformly beneficial. We examine what a predicted future actually changes: the action delta $Δa$ between the future-conditioned and future-free execution paths of the same model. Under a shared WAM checkpoint, this delta barely shifts average benchmark success ($+0.8$ points on LIBERO, $-0.8$ on RoboTwin~2.0), while generating visual futures increases inference latency by 1.7--1.9$\times$. These aggregate metrics conceal a concentrated failure mode that we term \emph{future-induced negative transfer}: while predictive deltas benefit long-horizon tasks ($+2.4$ points on LIBERO-Long) and remain negligible on most routine manipulations, they induce severe degradation on precision tasks---with \emph{Press Stapler} and \emph{Place Can Basket} losing 54.0 and 34.0 points, recurring as top failure modes across independently trained WAM variants. We introduce \textbf{Utility-WAM} for in-place correction of future-conditioned control. Its primary learning component is a residual adapter that repairs future-induced velocity deltas under a frozen shared WAM by aligning them with ground-truth dynamic guidance and penalizing excess error beyond the future-free baseline. The adapter selectively eliminates the majority of severe task drops (reducing losses to 6.0 and 14.0 points) while preserving long-horizon foresight. To eliminate superfluous video computation, a lightweight pre-generation gate reuses counterfactual action outcomes to selectively bypass video generation on 75.5\% of RoboTwin queries, cutting latency by 38\% while improving average success to 93.3\% on RoboTwin~2.0 and 98.9\% on LIBERO. On physical bimanual manipulation across three real-world tasks, Utility-WAM succeeds in 53 of 60 trials, compared to 43 for FAST-WAM.