RoCo Challenge @ AAAI 2026 冠军：ARC-VLA（Anchor & Recovery Curriculum）
官方主页：https://rocochallenge.github.io/RoCo2026/
赛事：RoCo Challenge @ AAAI 2026 — Robotic Collaborative Assembling for Human-Centered Manufacturing
团队：IIGroup（Tsinghua University）
成绩：初赛第 3｜决赛第 1（冠军，First Place Award）
RoCo Challenge @ AAAI 2026 — First Place Award
1. 赛事背景与任务设定（RoCo 2026）
RoCo（Robotic Collaboration）面向人机协作制造中的真实装配需求，强调“人类参与导致的非理想初始状态”和“错误恢复”对部署鲁棒性的决定性影响。RoCo 2026 以gearbox assembly为核心场景，围绕三类代表性任务构建评测闭环：
- Assembly from Scratch：从空工作台开始，完成完整装配流程。
- Resume from Partial State：从部分装配状态继续执行，要求准确状态理解与续装策略。
- Error Detection & Recovery：识别并修复“人类式失误/扰动”后恢复装配，要求错误诊断与闭环恢复能力。
赛事包含线上仿真阶段与现场真机阶段（sim-to-real finals），以统一指标评估跨阶段可迁移性与稳定性。
2. 成绩
- Online (Preliminary) 排名：第 3 名
- Onsite (Final) 排名：第 1 名（冠军）
Preliminary leaderboard (online): Rank #3
Final leaderboard (onsite): Rank #1
3. 方法总览：ARC-VLA（Deployability-First）
我们提出 ARC-VLA：Anchor & Recovery Curriculum for Vision-Language-Action，将目标从“仿真中完成任务”前移为“真实部署可用（deployable competence）”。核心观点是：sim-to-real 的主要失败往往来自静默失配（silent mismatch）、脆弱性（brittleness）与过度校准（over-calibration），尤其在传感噪声、光照变化与微小装配偏移下被放大。
ARC-VLA 采用“Deployability → Capability → Stability”的设计顺序，并通过三大支柱（Pillars）形成可复现的端到端闭环，最终产出一个统一的任务条件策略，同时覆盖 Scratch / Resume / Recover。
4. 架构选择：π0.5 作为 VLA Backbone
我们选择 π0.5 作为整体 VLA 框架的主干，其动机是：
- Open-World Generalization：面向开放世界的泛化能力；
- Efficient End-to-End Architecture：端到端执行的效率与工程可落地性。
结构上采用：
- Vision Encoder（SigLIP）
- VLM Backbone（Gemma）
- Action Expert（动作专家头/执行模块）
5. 三大支柱（Pillars）
Pillar I：Anchor-Consistent Observation（稳定感知）
面向部署的一致性优先：将影响闭环稳定的观测环节“锁定（LOCKED）”，降低跨域与跨阶段漂移。
- 多视角观测：Head camera + Wrist camera
- 部署清单（Checklist）：
- 输入分辨率固定：224×224（LOCKED）
- 裁剪策略固定：Center-Fixed（LOCKED）
- 归一化统计（Norm stats）一致化
- 关键话题/任务设置验证（Topic Selection: Verified）
目标：把“看见什么”变成可控变量，避免策略在真实噪声下被输入漂移击穿。
Pillar II：Recovery Curriculum（恢复课程的数据编程）
仅靠成功轨迹会导致“看似完成、但不可部署”的策略。我们在仿真阶段显式加入结构化失败样本，训练策略学会“重置与重试（reset & retry）”。
- Sim Stage：600 episodes（Success + Recovery）
- Real Stage：400 alignment episodes（Finetuning）
- 核心原则：用结构化失败增强标准成功轨迹，形成可控的恢复技能分布。
恢复类型（Recovery Taxonomy）
- Type 1: Perturb-and-Correct
- 场景：位置偏移（position offsets）
- 行为：on-the-fly correction（在线纠偏）
- Type 2: Fail-and-Reset
- 场景：抓取失败（grasp failure）
- 行为：Lift → Retreat → Retry（抬起-撤退-重试）
目标：把“恢复”从偶发技巧变为被系统性教授的能力。
Pillar III：Calibration-Lite Alignment（轻量对齐，稳定部署）
完整几何标定成本高且脆弱。我们采用 Calibration-Lite：只对齐那些会破坏闭环稳定的最小集合。
- Start-Segment Sanitization：移除静态前缀（removes static prefixes）
- Temporal Chunking (K)：作为稳定性旋钮，抑制动作振荡
- Joint Mapping：确定性符号约定（deterministic sign convention）
- 对齐目标：仅对齐 Normalization Stats 与 Motor Signs 等关键因素
目标：以最小可行对齐代价获得最大闭环稳定收益。
6. 两阶段训练协议（Sim → Real）
为保证跨阶段一致性，我们采用两阶段训练并保持观测管线锁定：
- Stage A：Simulation “Pre-Tuning”
- 600 episodes（mixed success + recovery）
- 目标：学习装配逻辑与恢复课程
- Stage B：Real-Robot Alignment Finetuning
- 400 real episodes
- 目标：适配真实动力学与传感噪声
- Transfer：从 Sim 向 Real 迁移权重（Sim-to-Real knowledge transfer）
- 关键约束：Observation pipeline 在两阶段保持 LOCKED，确保可复现与一致性