🤖 AI

Continual Field-Adaptive Models (CFAMs) for Post-Deployment Physical AI

本文介绍了持续场自适应模型（Continually Field-Adaptive Models, CFAMs），这是一种互补的学习架构，其特征在于一个冻结的慢学习组件和一个快速学习的胶囊场（Capsule Field），使各种物理机器人能够通过自主、无梯度的更新，在保持原有能力的条件下，高效地获取新技能并适应现场中经过验证的新型近分布外（near-OOD）场景。

原作者： Amarjot Singh, Tanmay R. Pancholi, Jainam Kothari, Shrirang Mahajan, Ketan Bansal, Zackory Erickson, Giuseppe Loianno, Alexandre M. Bayen, Jeff Schneider, Vince Nakayama

发布于 2026-09-07

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Amarjot Singh, Tanmay R. Pancholi, Jainam Kothari, Shrirang Mahajan, Ketan Bansal, Zackory Erickson, Giuseppe Loianno, Alexandre M. Bayen, Jeff Schneider, Vince Nakayama

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，一个机器人被派往一个危险且未知的场所：坍塌的矿井、充满辐射的反应堆，或是深海海底。它的任务是清理碎片、检查结构或取回物体。在现实世界中，环境是不可预测的。地面可能是松散的碎石而非坚实的混凝土；沉重的负载可能会意外移动；门口可能比地图上标注的要窄。对于一台机器而言，若要取得成功，它不能仅仅遵循实验室里编写好的剧本。它必须能够从其周围环境中学习，在新的情况出现时立即进行适应，而无需人类发送新指令，也不需要超级计算机来重新训练它的“大脑”。这就是物理人工智能（Physical AI）的圣杯：一台能够踏入危险区域、即时解决问题，并在学习新技能的同时不忘初心、不丢失原有能力的机器。

多年来，构建这些机器的标准方法是向它们喂入大量受控环境下的数据，在它们离开实验室之前，教给它们成千上型的任务变体。但在国防或灾难响应等关键任务领域，这类数据并不存在。这些环境过于危险，无法进行仪器化监测；而发生的情况又过于独特，无法预见。如果机器人遇到从未见过的情况，传统模型往往会失败，或者更糟——它会试图通过覆盖旧知识来进行“学习”，从而导致它忘记如何执行基本职责。这产生了一个困境：如何构建一台既足够聪明以应对未知，又足够稳定以至于在面对未知时不会“丧失理智”的机器？

一组研究人员提出了一种名为“持续场自适应模型”（Continual Field-Adaptive Models，简称 CFAMs）的解决方案。他们的研究在五种不同类型的机器人（从机器狗、无人机到类人手臂和越野车）上进行了测试，表明了一种让机器在部署后变得更加聪明的新方法。CFAMs 并不试图在每次看到新事物时都重新训练机器人的整个大脑，而是将机器人的“慢速”知识与“快速”学习分离。负责处理感知和决策等繁重任务的“慢速”部分在实验室初始训练完成后会被冻结，作为一个稳定的基础。而“快速”部分则是一个专门的记忆库，机器人在此存储在实地遇到的特定新经验。

其核心思想是，机器人不需要在每次地面移动或物体移动时都重新学习如何行走或如何抓取物体。相反，它存储的是一个“能力胶囊”（competence capsule），即一条关于特定成功的精简记录。可以将其想象为在庞大的知识库中添加的一条精确笔记。当机器人遇到与其已知情况略有不同的情况时（例如，负载变重或表面变滑），它会检查自己的记忆。如果它发现了一条足够接近的已存储经验，它就会利用这条经验来调整动作。如果成功了，它会将一条略有不同的新经验写入其记忆库，从而有效地扩展了它能处理的情况范围。这个过程完全在机器人自身的计算机上运行，无需人类监督，也无需对主脑进行复杂的数学重训。

研究人员首先通过仅有的少量演示，在实验室中教会了机器人一些任务。随后，他们将机器人送入模拟及真实的各种环境中，其中的环境条件与训练数据略有不同。结果令人瞩目。虽然那些试图通过重训主脑来进行适应的标准机器人往往会失败或丢失原有技能，但 CFAM 机器人却变得越来越好。在一组测试中，机器人仅通过捕捉并存储这些微小的、经过验证的成功案例，其成功率就提升了近 14 个百分点。它们学会了处理更重的负载、穿越更茂密的植被以及从打滑中恢复，同时仍能完美执行原始任务。

至关重要的是，该系统被设计为是安全且有界的。它只从与已知情况非常接近的情境中学习，确保它不会尝试发明可能导致危险的全新行为。它还内置了一个清理机制，可以将相似的经验合并在一起，以免记忆库过载。研究人员发现，这种方法使机器人的学习效率极高，仅需使用标准机器人通常所需数据的 40%，就能在实地实现自主且持续的成长。

这项研究证实，构建一种在训练结束后仍能持续学习的物理人工智能是可能的。通过将机器人的稳定通用知识与其针对新体验的快速灵活记忆相分离，研究人员创造了一个能够适应物理世界混乱且不可预测性的系统。这不是一台每天都要从零开始学习的机器；而是一台能够基于已有知识进行构建，并在行进过程中不断增加微小且经过验证的改进经验的机器。对于人类无法到达的任务，这种受限且自主的成长模式提供了一条前进的路径：一种能够踏入未知、从错误与成功中学习，并在保持自我特性的同时不断前行的机器。

技术摘要：用于部署后物理 AI 的持续场自适应模型 (CFAMs)

1. 问题陈述

本文解决了关键任务物理 AI（如国防、灾难响应、深海探索）中的一个核心差距：即部署后的自主系统无法在不发生灾难性遗忘或不需要大规模重训的情况下，适应全新的、轻微分布外 (OOD) 的现场环境。

目前的自主系统依赖于两种范式：仅观察的“监控”模式，或预设动作的“单次打击”模式。两者都无法与环境进行交互或适应环境。为这些领域构建自适应系统面临三个具体挑战：

数据稀缺性： 关键任务环境是危险且受限的，只能提供极少数的演示样本，而非现代机器人学习模型所需的数以千计的数据。
计算约束： 资产（如矿井中的无人机、四足机器人）运行在具有有限功耗和内存的边缘设备上，与数据中心断开连接，因此无法进行中心化重训或大型模型蒸馏。
现场新颖性： 部署过程中会引入新的物体排列、负载和地形。冻结的模型在这些情况下性能会退化，而原地更新则存在“灾难性遗忘”先前习得技能的风险。

本文定义了现场学习机制 (Field Learning Regime)，其特征是间歇性连接、片段式监督以及严格的实时控制周期约束。该机制下的架构必须满足四个要求：

R1 (高效学习)： 通过少样本演示建立能力。
R2 (类型化增长)： 区分是在纠正熟悉的错误，还是在扩展到新的同族实例。
R3 (有界整合)： 在固定内存占用下合并冗余能力，以防止干扰。
R4 (现场可行增长)： 在控制周期内，在设备上以单次、无梯度的方式写入新知识。

2. 方法论：CFAM 架构

作者提出了持续场自适应模型 (CFAMs)，这是一种基于互补学习系统 (CLS) 的类脑架构。该系统将学习分为慢学习组件（部署后冻结）和快学习组件（在设备上持续更新）。

2.1 核心组件

该架构由四个功能部分组成：

感觉皮层 (慢学习)：
- 功能： 将多模态输入（视觉、LiDAR、触觉）提升为稳定的、基于 3D 地理位置的几何表示。
- 实现： 使用 ScatterNet 混合深度学习 (SHDL)，一种半监督的类脑编码器。它输出判别性嵌入 ( $z$ ) 和传感器事件信号，将场景提升为 3D 表示（点云），以提取任务相关的锚点（物体质心、抓取点）。
- 约束： 在实验室完成后冻结；为感知提供稳定的底层结构。
推理皮层 (慢学习)：
- 功能： 将高层任务分解为一系列技能并判断结果。
- 实现： 使用定制的视觉语言模型 (VLM)，部署后冻结。它充当胶囊序列器 (Capsule Sequencer)（检索技能计划）和结果预言机 (Outcome Oracle)（验证语义任务进度）。
- 约束： 只读；在现场不进行学习。
动作皮层 (慢学习)：
- 功能： 通过检索存储的胶囊并将它们变形到当前的 3D 场景中来执行技能。
- 实现： 使用几何残差变换 (GRT)。它不是逐帧解码动作，而是检索一个存储的“种子轨迹”并对其进行几何变形，以匹配当前的场景锚点（例如物体位置）。
- 效率： 将动作解码调用从 $T$ （控制步数）减少到 $M$ （技能阶段），其中 $M \ll T$ 。
胶囊场 (快学习记忆)：
- 功能： 系统的“海马体”，存储在现场获得的各种新能力。
- 单元： 能力胶囊 (Competence Capsule, CC)。一个包含以下内容的紧凑记录：
  - 情境键 ( $h_i$ )： 用于检索的二进制代码。
  - 感知修正 ( $\Delta z_i$ )： 偏移传感器嵌入。
  - 动作修正 ( $\Delta a_i$ )： 添加到基础策略输出的残差。
  - 动作锚点 ( $a^*_i$ )： 种子轨迹和 3D 锚点。
  - 机制标签 ( $\psi_i$ )： 区分 CORR（纠正熟悉错误）和 EXT（扩展到新的同族实例）。
- 约束： 所有胶囊都存储在边缘设备上的固定内存预算内。

2.2 学习机制：CFUR

持续现场更新规则 (CFUR) 控制系统如何在没有梯度的情况下在现场进行学习：

触发： 只有当基础策略的置信度下降，且检索距离表明当前情境处于存储技能支持范围的“边缘”，且执行被传感器接地相位目标 ( $\Phi_{succ}$ ) 验证为成功时，才会写入新的胶囊。
过程：
1. 捕获： 系统识别经过验证的近 OOD 成功案例（例如，在更重的负载或遮挡物体上的抓取成功）。
2. 写入： 通过一次前向传播和一次内存插入创建新的能力胶囊。不计算梯度；冻结的基础模型保持不变。
3. 整合： 冗余胶囊会被合并，不使用的胶囊会发生衰减（持久性机制），以维持固定的内存占用。
增长： 库通过在现有技能包络线的边缘添加新胶囊来增长，从而允许系统在不重训基础模型的情况下泛化到新的变体。

3. 核心贡献

架构 (CFAM)： 一种用于物理 AI 的端到端场自适应模型类。它引入了推理单元的转变（通过 GRT 实现的每技能胶囊发射）和学习单元的转变（无梯度的单次胶囊写入）。
数据集： 一个全新的内部多具身数据集 (Skylark)，包含跨五个物理平台（机械臂、四足机器人、人形机器人、无人机、越野车）的 260 万条以上轨迹。所有基线模型均在同一数据集上训练，以确保公平比较。
高效实验室学习： CFAM 仅使用 40% 的数据即可达到与使用 100% 数据训练的标准策略相同的运行点（数据效率提升 2.5 倍）。
自主部署后增长： CFAM 能自主捕获经过验证的近 OOD 案例，使动作成功率提高 13.9 个百分点（从 74.0% 提升至 87.9%），而自适应基线（如 LoRA, MemoryVLA）则表现为无改进或性能下降。
保留能力： 在顺序模拟实验中，CFAM 保留了早期的能力，其后向迁移为 -0.5 个百分点，相比之下，LoRA 为 -11.4 个百分点，证明了其近乎零的灾难性遗忘。

4. 实验结果

论文通过合成基准测试 (SimperEnv, LIBERO) 和五个真实世界机器人平台验证了 CFAM。

构建阶段 (阶段 A & B)：
- CFAM 在使用相同数据的情况下，表现优于标准策略 ( $\pi_0$ , CogACT, SpatialVLA)。
- 在留出测试集 ( $D_{test}$ ) 上，CFAM 比表现最好的匹配数据基线高出 9.7 pp。
- 单次构建（每个任务一个演示）可在所有五种具身形态中实现泛化。
增长阶段 (阶段 C)：
- 在变体流 ( $D_{var}$ ) 上，CFам 会自主捕获经过验证的成功案例。
- 结果： 动作成功率从 74.0% 上升到 87.9%（+13.9 pp）。
- 基线： 基于梯度的 (LoRA) 和基于记忆增强的 (MemoryVLA, CronusVLA) 基线在相同的暴露条件下，表现为无改进或性能下降。
保留阶段 (阶段 D)：
- 在顺序模拟套件（5 个环境）中，CFAM 保持了对早期任务的能力。
- 遗忘： 仅有 2.1% 的先验任务成功率下降超过 5%。
- 对比： LoRA 遭受了 34.7% 的灾难性遗忘。
消融实验：
- 移除胶囊场控制器会导致性能下降 8.3 pp。
- 移除整合机制会导致性能下降 3.0 pp。
- 结合纠正 (CORR) 和扩展 (EXT) 机制产生的协同增益超过了两者单独贡献之和。

5. 重要性与主张

论文声称 CFAM 提供了一种受限形式的部署后物理智能。它证明了：

学习可以持续进行而无需重训： 系统可以通过向独立的快学习记忆写入知识，在离开实验室后自主增长其能力，同时保持其慢学习底层（“大脑”）处于冻结状态。
数据效率是可以实现的： 通过利用胶囊架构，可以用显著更少的数据（40%）构建高性能策略。
通过设计可以减轻遗忘： 通过将学习分为互不干扰的子系统（慢速 vs 快速），系统避免了基于梯度微调所固有的灾难性遗忘。
现场自主性是可能的： 系统可以从自身的执行信号中识别、验证并存储新的技能，而无需操作员标签或人工干预，前提是这些新情况属于现有技能家族的范畴。

作者承认的局限性：

该系统处理的是近 OOD 情况（已知技能的变体），但不处理开放世界新颖性（完全不同的任务或物体）。
它依赖于冻结的基础模型能够提供一个“足够好”的起点；它无法修复基础模型在感知或驱动方面的根本缺陷。
保留能力的结果目前仅在模拟中得到验证；在长期增长后的真实平台上的保留能力尚未经过测试。
系统需要一个带有专家演示的“构建”阶段；它不会在现场从零开始学习。

总之，CFAM 为物理 AI 中的稳定性-塑性权衡问题提供了一种结构化解决方案，使机器能够在危险、数据稀缺的环境中“持续成长”，同时保留已学到的知识。