TRACE: Target-State Risk-Aligned Conditional Execution for Embodied Tracking

📄 arXiv: 2610.41275v1 📥 PDF

作者: Mingyang Lyu, Gongce Cao, Yiyang Jia, Lu Jia, Erliang Lin, Yuhao Zhang, Yinqian Sun, Pin Lyu, Feifei Zhao, Bo Wang

分类: cs.RO

发布日期: 2026-10-30

备注: 35 pages, including appendices

💡 一句话要点

提出TRACE以解决机器人视觉跟踪中的安全性问题

🎯 匹配领域: 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: 视觉跟踪 机器人技术 安全性 策略优化 多模态融合 动态调整 风险管理

📋 核心要点

  1. 现有的视觉跟踪方法在复杂环境中容易受到遮挡和干扰物的影响，导致跟踪失败和安全隐患。
  2. TRACE通过引入目标状态风险门，在执行过程中动态调整机器人的行动，以降低碰撞风险并提高跟踪性能。
  3. 实验结果显示，TRACE在减少干扰跟踪碰撞率方面表现优异，成功率和跟踪率也得到了进一步提升。

📝 摘要（中文）

本研究聚焦于机器人在复杂环境中进行视觉跟踪的挑战，包括遮挡、相似干扰物和模糊指令。我们发现，提升跟踪持续性可能会增加安全违规事件。通过使用一个紧凑的0.6B视觉-语言-动作(VLA)跟踪器，并仅更新规划头，采用近端策略优化(PPO)方法，成功率和跟踪率在所有EVT-Bench设置中均有所提高，但在干扰跟踪中碰撞率也随之上升。为此，我们提出了TRACE，一个执行时目标状态风险门，能够选择性地干预并保持已学习的策略。实验结果表明，TRACE在减少干扰跟踪碰撞率的同时，进一步提高了成功率和跟踪率。

🔬 方法详解

问题定义：本研究旨在解决机器人在视觉跟踪过程中面临的安全性问题，尤其是在干扰物存在时，传统方法容易导致碰撞和跟踪失败。

核心思路：TRACE的核心思想是通过引入目标状态风险门，在执行时动态调整机器人的行动，从而在保持策略有效性的同时，降低潜在的安全风险。

技术框架：TRACE的整体架构包括一个轻量级风险头，处理84个线索，如候选框、身份边际、学习的范围和方位探测器，以及策略命令。当风险超过设定阈值时，TRACE会调整下一个航点的平移分量，而保持偏航不变。

关键创新：TRACE的主要创新在于其目标状态感知的执行机制，能够在不显著干预的情况下，恢复策略训练后的安全性。这一方法与传统的策略优化方法相比，能够有效降低碰撞率。

关键设计：TRACE的设计包括对风险阈值的校准和对平移分量的动态调整，确保在98%以上的步骤中，执行的动作与PPO的结果一致。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，TRACE在干扰跟踪中将碰撞率降低了3.96个百分点，同时成功率和跟踪率也得到了进一步提升。与对照组相比，TRACE的效果显著，表明其在安全性和性能上的优势。

🎯 应用场景

该研究的潜在应用领域包括自主机器人、无人驾驶汽车和智能监控系统等，能够在复杂环境中实现更安全的目标跟踪。TRACE的设计理念可为未来的机器人技术提供重要的安全保障，提升其在实际应用中的可靠性。

📄 摘要（原文）

Embodied visual tracking requires a robot to follow a language-specified person under occlusion, look-alike distractors, and ambiguous instructions. We show that improving tracking persistence can simultaneously increase safety violations. Using a compact 0.6B vision-language-action (VLA) tracker with a frozen backbone, we update only the planner head with proximal policy optimization (PPO). PPO improves success and following rates across all three EVT-Bench settings, but increases the collision rate on distracted tracking because episodes that previously ended in target loss can instead end in contact. We introduce TRACE, an execution-time target-state risk gate that preserves the learned policy and intervenes selectively. A lightweight risk head processes 84 cues, including candidate boxes, identity margins, a learned range-and-bearing probe, and the policy's commands. When the calibrated risk exceeds a threshold, TRACE rescales the translational component of the next waypoint while leaving yaw unchanged. The executed action is identical to PPO's on more than 98% of steps. In paired evaluations on identical episodes, TRACE reduces the distracted-tracking collision rate by 3.96 percentage points, while further improving success and following rates. Matched slowdown controls without target-state timing do not reproduce this improvement. Concurrent evaluation reproduces a collision reduction of 3.77 points, compared with 0.29 points for identical-arm null pairs, indicating that the effect exceeds evaluation variability. These results show that target-state-aware execution can recover the safety cost of policy post-training with minimal intervention.