机器人开始随身携带经验：Self-Adaptive VLA 与部署期的自救

机器人产线的第 90 天。同一条机械臂，同一套程序，昨天还稳稳当当，今天装配开始偏移。没人动过它。真相在物理世界里：关节磨掉了一点，编码器标定飘了一点，执行器偏差攒了一点。分毫之差，落到精度敏感的动作上就是废件。

工程上的标准答案是派人重新标定。9 月 24 日挂上 arXiv 的论文给了一个新答案：让机器人自己长回来。论文叫 Self-Adaptive VLA for Robust Robot Deployment，编号 2609.30092，Hongxin Zhang、Chunru Lin、Tsun-Hsuan Wang、Zhenjia Xu、Chuang Gan 五位作者合作完成。

病根：VLA 没有记性

先说清楚病在哪。VLA，视觉-语言-动作模型，是目前机器人操作的主流架构：看图、听指令、输出动作。论文指出的短板是它们的记性，准确说，是没有记性。训练完的策略在测试时遇到环境漂移就脆，尤其是硬件漂移：磨损、标定误差、执行器偏差。训练里见过的世界和部署三个月后的世界不是同一个，模型对此毫无察觉，也不会调整。

这个问题随着部署规模变大而变贵。十台机器人，工程师跑一趟就修了。十万台，每一次漂移都是一张工单。机器人公司都在讲量产叙事，量产的隐性前提是维护成本不能跟着台数线性涨。

药方：把经验压成一个 token

论文的配方分四步，思路是把"环境变了"这件事变成模型能读到的上下文。

第一步，故意使坏。训练时主动往硬件里注入各种漂移，然后收集策略自己跑出来的轨迹。第二步，改写教材。既然环境有已知的偏差，就把专家动作预先补偿一遍，做成"漂移条件下的专家演示"——教策略看清同一个动作在不同漂移下的正确版本。第三步，压缩。一个轻量的即插即用 context encoder，把视觉观测、本体感受和动作历史压成一个潜在上下文 token。第四步，注入。这个 token 通过自适应层归一化 AdaLN 去调制策略网络，让同一个网络在不同漂移状态下走不同的路。

最妙的在第五步，论文叫 ensemble：多个上下文 token 可以一起投票，让策略一步步自我纠错。第一次动作歪了，token 换一版，第二次直回来一点，再换，再直。迭代式的自我修正，不需要人在旁边。

数字

四个精度敏感的双臂与灵巧操作任务上做验证，漂移类型包括执行器偏差和关节编码器偏移。结果是在硬件漂移下恢复基线策略八成以上的性能，全程不用现场重标定。换到没见过的新工位上，也比基线策略稳。

把八成这个数字放对位置：它不是满分，是及格线策略。工程师现场重标定能拿回 100%，代价是人到场。这套方案拿回 80%，代价是零。两类方案不是竞争关系，是不同经济学：高频小漂移自己吸收，低频大漂移才叫人。论文自己也在这个位置划了线，给的是"通向大规模真实部署与更易维护的一条路径"，不是终点。

为什么这条新闻值得多看一眼

具身智能的新闻流被两个极端占满：一边是后空翻和灵巧手的演示视频，一边是量产数字的资本叙事。夹在中间的部署期维护，少有人写，却是量产故事能否成立的地基。

这篇论文的视角转换就在这里。出厂验收是一次性事件，磨损是慢变量，验收挡不住三个月后的偏移。把"适应"从训练时的一次性动作，变成部署期的持续行为，维护的含义就变了：从派人 recalibrate，变成策略带着自己的经验运行。经验第一次以一个 token 的形式随身携带，世界变了，token 换一版。

代价也说清楚。这套配方需要训练时故意注入漂移来造数据，注入的漂移谱得覆盖真实世界会出现的种类，覆盖不到的，模型照旧脆弱。四个任务、实验室环境，离产线还有距离。但方向值这个价：让机器人学会的第二种本事，不是更多技能，是带着旧本事扛住新世界。