Action ControlNet:给 VLA 异步控制补一层实时稳定器
arXiv: 2606.25985(Action ControlNet: Improving VLA Robot Control with Asynchronous Action Prediction) | 时间: 2026.06 | 路线: VLA · 推理部署 / 异步控制 ← 返回 VLA 总览 · 推理加速与部署
TL;DR
Action ControlNet 关注一个很实际的问题:VLA 很聪明,但推理慢;机器人执行又需要高频、低抖动的控制流。二者一旦异步,旧动作、新观测和网络延迟会错位,导致动作滞后或不稳定。
它的思路是在 VLA 与机器人之间补一层 ControlNet 式动作控制模块,把低频/滞后的策略预测转成更稳定的高频执行动作。它不是要替代 VLA,而是让 VLA 的输出更适合真实控制回路。
问题
许多 VLA 用 action chunk 缓解推理慢,但 chunk 本身也有代价:
- chunk 预测时看到的是过去观测,执行时世界已变化。
- 接触任务中几百毫秒误差就可能导致夹爪错位。
- 高层策略重规划频率低,底层执行需要更平滑和更及时。
因此部署问题不只是“模型再快一点”,还包括“慢策略如何接入快控制”。
方法位置
站内可把它看作 推理加速与部署 的新样本:VLA 不一定每步都实时输出,但需要一个控制层把语义动作变成稳定运动。
谱系位置
- 与 π0、OpenVLA-OFT:这些工作解决连续动作和并行解码,Action ControlNet 进一步处理执行时序错配。
- 与 GR00T N1 / Helix:它们通过快慢系统拆分控制频率;Action ControlNet 则从通用 VLA 输出侧补实时控制适配层。
- 与 运控算法基础:VLA 输出最终仍要落到控制回路,这篇正好连接模型层和控制层。
局限与待核
- 额外控制网络会引入新接口和训练数据需求。
- 若 VLA 高层语义判断本身错误,稳定器只能改善执行平滑性,不能纠正目标错误。
- 作者自评需要结合真实机器人频率、延迟设置和任务难度看,不能只看平均成功率。
来源
- arXiv:2606.25985 Action ControlNet: Improving VLA Robot Control with Asynchronous Action Prediction.