Action ControlNet：面向视觉语言动作模型平滑异步控制的轻量延迟感知适配器
[Daily Paper] Action ControlNet: A Lightweight Delay-Aware Adapter for Smooth Asynchronous Control in Vision-Language-Action Models
AI summary
Action ControlNet（ACNet）是一种轻量延迟感知适配器，用于缓解视觉语言动作（VLA）模型在异步控制中因观测陈旧导致的动作抖动与不连续。论文将这类失败归因于观测时间与动作发出时间之间的错位，而非感知或规划错误，因此只在实时执行中出现，离线单步评测难以暴露。ACNet 不改动预训练的 VLA 主干，只增加少量可训练参数，并把已执行动作的后缀作为残差条件加在基本冻结的动作头上，兼容扩散与流匹配等生成式动作头，把延迟鲁棒性当作冻结策略之上的残差适配问题。论文报告在 Kinetix、Meta-World MT50 和真实平台 SO-ARM101 上，ACNet 在推理延迟下提升了鲁棒性，异步轨迹比直接拼接动作块更平滑。