机器人长程操作在技能接缝处为何失败？

下游技能接手的是陌生场景

长程操作常被拆成多个技能分别训练，再按顺序串联执行。每个技能从自己的训练起始状态出发时看起来可靠，但一旦串联，整条链就会崩溃：在 BOSS-44 研究的三技能链上，执行完第一个技能后成功率为 88.5%，执行完两个技能后降到 34.3%，执行完三个技能后只剩 7.6%；而这些组成技能各自从标准初始状态独立评估时，平均成功率为 79.0%。

论文把这种错配称为观测空间偏移（Observation-Space Shift，OSS）。在技能接缝处，下一个技能并非从它训练过的状态开始，而是从前一个技能留下的任何状态开始。例如“打开抽屉”技能可能把抽屉留在打开状态，随后一个在抽屉关闭条件下训练过的“放置碗”技能开始执行。下游策略因此被要求从一个超出其训练支撑范围的状态行动，即使单独执行时能成功，也可能卡住。

只重置机械臂几乎不改变结果

为了找出卡住的真正原因，作者在仿真中使用特权传送 oracle，在监控器报警的那一刻，每次只把一个场景组件恢复到标准值。比较在 100 条灾难性链上进行，指标是整条链的成功率。

基线条件为 0.098。只恢复机械臂得到 0.132，与基线在噪声范围内，这排除了机械臂自身构型是瓶颈的设想。恢复机械臂加抽屉关节得到 0.212，恢复机械臂加次要物体得到 0.268。全部恢复的 oracle 达到 0.518。下一个技能要操作的物体通常已接近标准位置：中位位移为 1 cm，距夹爪 25 cm。几乎没有物体在物理上丢失，10,036 个状态中只有 2 个掉落，占 0.02%。

抽屉状态与遗留物体必须一起修复

两个主要组件的作用并非简单相加。单独恢复关节或次要物体只能带来部分增益，两项单独增量相加的预测值为 0.35，而联合恢复得到 0.52，超出 0.170，传播标准误为 0.052，约 3.3 个标准差。作者将其解读为互补效应：局部修复不能叠加，场景必须联合恢复。

这一分解来自一次粗略的诊断运行，其基线为 0.098，与主结果使用的 0.076 五种子基线不同。论文明确指出，组件表用于定位原因，而不是报告主要成功率数字。

更多采样、更强策略与世界模型都失败

如果接缝崩溃只是运气不好、基座策略太弱或规划失败，那么比恢复更便宜的干预就应该有效。论文从真实接缝状态出发，以各自最强的形式测试了这些方案，没有一个能恢复。

K=8 的 best-of-K 重采样从干净初始化出发可以成功，至少有一次 rollout 有效，选择变得毫无难度；但从链中接缝出发，基座策略在全部八次 rollout 上都失败，没有可选项。在相同标准演示上训练 2,500 个 epoch 的 Diffusion Policy，从接缝状态出发与行为克隆完全一致，为 0.00，尽管它从标准初始状态能成功。世界模型在测试的三种角色中都失败：作为帧生成器与基线持平；作为监控器，其预测惊讶在卡住时方向反转；作为规划器，无模型 RLPD 以三倍样本效率超过基于模型的方案。端到端强化学习恢复低于演示基线，为 0.45 对 0.52。

先恢复场景再继续执行带来增益

部署的系统由三个学习组件构成。基于冻结 DINOv3 编码器和一个小型任务条件头的任务进度监控器负责标记卡住。按场景用 SAC 或演示增强 RLPD 训练的学习恢复策略，把被移动的抽屉和物体送回目标位置。随后，接缝鲁棒微调让技能继续执行，使用 581 条深度交接演示与原始各技能数据混合训练。

在 10 条灾难性链、五个种子上，完整系统把全链成功率从 0.076 提升到 0.265，增益 0.189，p=0.047。给予相同复位与重试预算的基线只达到 0.129，因此效果并非仅来自额外的执行步数。单独任一组件都不显著：仅恢复达到 0.175，p=0.094；仅预防达到 0.114，p=0.188。因此结论落在系统层面，系统达到特权 oracle 0.518 的 51%，剩余约一半可恢复差距归于恢复质量，而非检测。

抽屉挡住非抽屉技能时恢复才有效

逐链分析分离出恢复动作何时有效。恢复器只作用于抽屉，因此结果取决于一个变量：接缝处的阻塞位移是否是一个下游技能本身不操作的抽屉。偏离标准的抽屉挡住非抽屉技能，正是恢复能处理的场景。第二个接缝移动自由物体的链仍无法恢复，需要物体恢复技能。

场景之间的差异并不均衡。完整系统在 S1 上全链成功率为 0.29，S2 为 0.34，S4 为 0.16，而 S4 的基线为 0.19；在完整系统下，一条 S4 链从 0.27 退化到 0.17，这是作者如实报告而非平均掉的误报代价。在七个相同技能的留出重排序上，产生了设计系统时从未用过的接缝转换，成功率从 0.066 提升到 0.244，3.7 倍增益单独在 p=0.125 下不足以显著，但 oracle 佐证了方向，从 0.066 到 0.499。

真实机械臂上监控器受相机视野限制

仿真监控器原样运行在一台 Franka 机械臂上，由服务化的 LoRA 微调 pi-0.5 视觉-语言-动作策略驱动，覆盖三条重排链、九个技能，每条链 15 次试验。检测能力明显减弱。在已知物体上做留一回合评分，AUROC 为 0.625，95% 区间为 0.46 到 0.79；在未见物体上做留一链评分，为 0.672，区间为 0.51 到 0.83。在 n=45 时两者都无法与随机区分，论文报告的是弱迁移，而非显著检测结论。

差距来自可观测性：仅靠外部相机，失败的抓取或掉落的物体常常不可见，即使放置动作在画面上仍然完成。闭环仍只是概念验证。在匹配的检测器报警下，恢复挽回了 21 次原本终止的放置尝试中的 3 次，而基线在 19 次中挽回 0 次；这是恢复动作本身的效果，不依赖检测器质量，因为两种条件使用相同的实时报警。其余各技能成功率在 N=15 下处于噪声范围，作者不声称硬件上有成功率提升。

剩余差距在恢复质量而非检测

论文自己的框架是：接缝失败属于脱离支撑的状态，而不是策略失准，因此更用力搜索、更换策略或规划都无法移动接缝。消融说明了要恢复什么：关节与物体互补，任何单组件修复只能达到 0.13 到 0.27，而 oracle 为 0.52。

因此证据支持的优先事项不是更多测试时计算或更大的基座策略，而是更好的恢复与更好的感知。即使恢复适用，也只挽回约一半的 oracle 差距，物体恢复器尚未迁移成功。作者假设限制因素是重入时机，即何时交还控制权，而不是组件覆盖范围，因为监控器可能在恢复过程中再次报警，而固定的交还容差只是“恢复到足以继续”的粗略代理。在硬件上，他们指出的具体修复是腕部与夹爪感知，因为夹爪宽度和本体感受未被记录，失败的抓取对外部相机不可见。实际的分界因此是：当被移动的抽屉挡住一个不操作它的技能时，恢复场景；在期待闭环支撑真实机器人之前，先投入感知与重入时机。

本文引用的文献