± 1.36 pp · 四训练种子样本 SD
± 3.68 pp · 同环境名义配方
描述性差异 · 显著优势尚未确立
每方法 4 种子 · 共 16,000 测评回合
LATEST PROGRESS
已完成的对照，正在推进的验证
2026-10-07 18:53（北京时间）快照
SMALLER TAIL测评已完成
Rank7 更小容量对照
seed2：96.30%；seed4：91.90%。两个固定终点模型均完成四套件全量测评。
正式测评回合4,000 / 4,000
EVALUATION测评进行中
跨服务器 Rank8 · seed3
训练已达到固定终点 9,375 更新；在独立服务器继续完成四套件闭环评测。
评测回合1,497 / 2,000
REPLICATION训练进行中
Dense · seed3 技术复跑
从基座重新训练，检查原 seed3 的局部低分是否再次出现。
优化更新6,413 / 9,375
REPLICATION训练进行中
Rank8 · seed2 技术复跑
从基座重新训练，检查原 seed2 长程任务退化的可重复性。
优化更新3,855 / 9,375
排队中 输出仿射校准 seed3 / seed1 尚未开始训练，计划在 Dense 复跑与测评结束后继续。技术复跑沿用同一 seed，单独归档，不算新增独立训练种子。
PRIMARY RESULTS
完整四种子 Rank8 / Dense 对照
主实验环境 AI088 · seed1 / 2 / 3 / 4
统一名义预算 · 固定最终检查点
四套件混合训练；microbatch4 × 梯度累计16 = 有效 batch64；9,375 次 optimizer updates。每套件 10 个任务 × 50 episodes，共 2,000 episodes / 模型；eval seed42。Rank8 使用 Oracle suite ID 选择残差。完整历史初始化、采样与增强随机流的一致性仍需审计。
Spatial
观测差值 +0.55 pp
Object
观测差值 +0.40 pp
Goal
观测差值 +6.85 pp
Long
观测差值 +1.65 pp
| 方法 | Spatial | Object | Goal | Long | Macro |
|---|---|---|---|---|---|
| Rank8 | 97.65± 1.17 | 99.30± 0.53 | 98.05± 0.94 | 92.60± 3.44 | 96.90± 1.36 |
| Dense | 97.10± 1.16 | 98.90± 1.43 | 91.20± 9.77 | 90.95± 3.84 | 94.54± 3.68 |
逐种子主结果 8 个模型 · 保留全部有效成绩
| 方法 / 种子 | Spatial | Object | Goal | Long | Macro | 成功回合 |
|---|---|---|---|---|---|---|
| Rank8 · seed1 | 98.0% | 99.8% | 98.0% | 92.4% | 97.05% | 1941/2000 |
| Rank8 · seed2 | 96.2% | 98.6% | 97.4% | 87.8% | 95.00% | 1900/2000 |
| Rank8 · seed3 | 97.4% | 99.6% | 97.4% | 95.0% | 97.35% | 1947/2000 |
| Rank8 · seed4 | 99.0% | 99.2% | 99.4% | 95.2% | 98.20% | 1964/2000 |
| Dense · seed1 | 97.6% | 99.4% | 98.2% | 92.6% | 96.95% | 1939/2000 |
| Dense · seed2 | 95.4% | 99.4% | 96.0% | 93.0% | 95.95% | 1919/2000 |
| Dense · seed3 | 97.4% | 96.8% | 76.8% | 85.2% | 89.05% | 1781/2000 |
| Dense · seed4 | 98.0% | 100.0% | 93.8% | 93.0% | 96.20% | 1924/2000 |
Rank8 总成功 7752/8000；Dense 7563/8000。同 seed 的 Macro 差值为 seed1 +0.10 pp、seed2 −0.95 pp、seed3 +8.30 pp、seed4 +2.00 pp。同一 seed 标签不保证历史随机流严格配对。
当前观测
Rank8 的四种子均值较高、观测波动较小；3/4 个同标签种子的差值为正。净增益约 87.8% 来自 seed3，需继续排查 Dense seed3 的 Goal 局部退化。
结论边界
四个训练重复尚不足以确认稳定、显著或普遍优势。Rank8 seed2 的 Long 低于 Dense seed2；未完成的测评与技术复跑均不进入这张主表。
± 为训练种子间样本标准差。16,000 次 rollout 来自八个训练模型，不能视为 16,000 个独立训练重复；旧 batch4 / 150k 与当前 batch64 / 9,375 协议不合并统计。
Method
当前方法：共享主体，专门化动作末端
V15 为主对照方法；V16 单列闭集路由验证。
01 · Input视觉、语言与机器人状态
双图像、任务指令与 proprio 输入 OpenVLA-OFT，学习共享的视觉语言表示和机器人状态映射。
02 · Shared Policy共享动作表征与输出映射
共享 LoRA、proprio projector、完整动作 trunk 和输出投影。PEFT 基座权重冻结，这些共享可训练模块在 V15 中继续联合更新。
03 · Private Tail套件级小残差专家
在最终 4096 → 7 动作映射上叠加专属残差。主对照使用已知 suite ID；V16 用共享 action-hidden 训练轻量专家选择器。
â = W₀h + b₀ + (α/r) BₑAₑhh ∈ ℝ⁴⁰⁹⁶，â ∈ ℝ⁷；当前 r = α = 8。每个专家 32,824 个参数，四个专家共 131,296 个私有参数；动作 chunk 复用该投影。
参数与术语
- 七维输出的修正矩阵最大秩为 7，rank8 应称“因子化残差”。
- 保留共享结构与计算路径，不等于已经证明共享能力完全无损。
- 末端残差仍通过隐藏表示把梯度传回共享 trunk，机制归因需要进一步对照。
路由与研究范围
- 四个专家对应四个 suite / task-group，并非 LIBERO 的 40 个单任务专家。
- V16 推理输入可不含显式 suite ID；训练监督仍使用 suite 标签。
- 当前证据限定于同一机器人、同一动作空间和闭集任务；计算稀疏加速仍未验证。
研究脉络 V13–V17 · 从共享边界到动作末端
Trajectory
从共享边界诊断到最小末端容量
以模块消融收敛研究问题，再检验专家与路由的作用。
V13–V14任务专属容量应放在哪里？
从任务私有 LoRA、proprio projector 和完整动作头出发，与共享 Dense 路径做对照。记录到的分支退化推动研究转向更晚、更小的专门化位置。
模块消融共享 / 私有边界闭环成功率
V15共享动作路径 + 任务组末端残差
保留共享动作 trunk 和最终映射，只叠加零输出初始化的套件级因子化残差。研究从双套件扩展到四套件与多个训练种子。
Tail-Residual联合训练四套件
V16–V17路由与冻结主干适配
V16 使用 action-hidden 选择残差专家；V17 冻结官方联合模型，仅更新末端残差，并验证任务组级 checkpoint 组合。两条路线使用不同训练协议。
闭集监督路由Residual-onlyCheckpoint 组合
Research Question极小动作末端专门化能否改善多任务失稳？
当前要区分任务动作映射差异、因子化带来的优化路径变化，以及套件条件和动作归一化带来的校准需求。研究价值取决于受控证据能否回答这个问题。
ADDITIONAL VALIDATION
更小容量与跨服务器验证
补充证据按各自训练协议报告
| 方法 / 种子 | Spatial | Object | Goal | Long | Macro | 成功回合 |
|---|---|---|---|---|---|---|
| Rank7 · seed2 | 97.2% | 99.4% | 98.8% | 89.8% | 96.30% | 1926/2000 |
| Rank7 · seed4 | 98.6% | 99.8% | 76.6% | 92.6% | 91.90% | 1838/2000 |
私有末端参数 114,884。相对同 seed Rank8，seed2 Macro 为 +1.30 pp，seed4 为 −6.30 pp；seed4 的 Goal 为 76.6%。两个种子的变化方向不一致，目前不据此认定 Rank7 足够或 Rank8 必要。
CROSS-SERVER CHECK独立环境 Dense 已完成，Rank8 补充测评进行中
AI081 Dense 四种子 Macro 为 88.53% ± 10.03 pp；这是跨服务器诊断组，不与 AI088 主对照合并计算。
独立服务器 Dense 原始结果 4 个种子 · 8,000 回合
| 方法 / 种子 | Spatial | Object | Goal | Long | Macro | 成功回合 |
|---|---|---|---|---|---|---|
| Dense · seed1 | 98.6% | 99.8% | 98.2% | 92.0% | 97.15% | 1943/2000 |
| Dense · seed2 | 86.0% | 100.0% | 27.6% | 82.6% | 74.05% | 1481/2000 |
| Dense · seed3 | 97.4% | 99.2% | 80.0% | 86.4% | 90.75% | 1815/2000 |
| Dense · seed4 | 97.6% | 99.4% | 80.6% | 91.0% | 92.15% | 1843/2000 |
| 套件 | 评测回合 | 状态 | 最终成功率 |
|---|---|---|---|
| Spatial | 500 / 500 | 已完成 | 99.2% |
| Object | 500 / 500 | 已完成 | 99.0% |
| Goal | 279 / 500 | 测评中 | — |
| Long | 218 / 500 | 测评中 | — |
1497/2,000 回合已执行；完整 Macro 尚未生成。跨服务器沿用 seed3，不能视为第五个独立训练种子，也不替换原主结果。
既有路由与冻结主干验证 V16 / V17 · 独立协议
V16 · Learned Routing专家训练与路由训练的两条路线
| 训练路线 | 预算 | Learned Macro | Oracle Macro |
|---|---|---|---|
| 先训 V15 专家，再冻结策略训 router | 策略 b64 / 9375 + router b4 / 10000 | 98.15% | 98.15% |
| 从基座分阶段联合训练 | b64 / 9375 | 97.25% | 97.30% |
先训专家路线中未观察到同 checkpoint 的路由性能损失；联合路线 Learned 比 Oracle 少 1 个 episode。两条路线的初始化和追加训练预算不同，这些单种子结果不能代表完整策略的跨种子稳定性。
V17 · Frozen Policy Adaptation任务组级 checkpoint 组合
本组结果依据 2026-09-25 实验报告：冻结官方四套件联合 checkpoint，仅训练 131,296 个末端残差参数；使用开发协议预先锁定选择规则，再进行同协议附加测评。
| 训练种子 | 最佳全局 checkpoint | 任务组 Hybrid | Hybrid − 最佳全局 |
|---|---|---|---|
| seed2 | 1936/2000 · 96.80% | 1946/2000 · 97.30% | +0.50 pp |
| seed3 | 1935/2000 · 96.75% | 1943/2000 · 97.15% | +0.40 pp |
两种子的描述性平均提升为 +0.45 pp，支持组合流程可执行的初步证据。新增 3e-5 学习率、单种子 5k 对照中，residual-only / Dense 续训 / 联合残差为 96.75% / 96.65% / 96.80%，表明性能差距依赖训练设置；统计可靠性和分布外泛化仍待验证。
NEXT STEPS
从完整对照走向可重复的机制证据
依据最新实验状态安排下一步
技术复跑与失败任务审计
完成 Dense seed3、Rank8 seed2 的技术复跑与全量测评。保留原始低分，核查初始化、实际数据流、归一化和失败任务轨迹。
输出：独立复跑记录与解释边界最小容量替代验证
Rank7 seed2 / seed4 已完成，表现随种子变化。继续输出 scale + bias 校准；必要时加入 suite 条件 Direct 残差，判断因子化容量是否必要。
输出：简单候选与当前方法的受控比较跨服务器与评测一致性
收齐 AI081 Rank8 seed3 的四套件结果，与同环境 Dense seed3 和原 Rank8 seed3 对照。进一步核查同权重跨机器 forward / rollout 的一致性。
输出：按环境单列的诊断证据独立训练种子与机制确认
简单对照完成后锁定候选方法、共享初始化和采样协议，再使用预先固定的新训练种子与 Dense 配对确认。路由和泛化验证分别计入增量预算。
输出：与论文主张对应的闭环证据| 候选 | 四套件私有参数 | 当前状态 | 要回答的问题 |
|---|---|---|---|
| 六维输出 scale + bias | 48 | seed3 / seed1 排队中 | 逐维动作校准是否足够？ |
| Direct residual · 7 × 4096 | 114,688 | 尚未启动 | 同样的线性修正是否需要因子化？ |
| Rank7 因子化残差 | 114,884 | seed2 / seed4 已完成 | 额外因子维度是否必要？ |
| Rank8 因子化残差 | 131,296 | 四种子主结果已完成 | 因子化优化路径是否具有独立作用？ |
| 较早 trunk 的 rank4 残差 | 131,072 | 条件性计划 | 相近预算下末端位置是否更合适？ |
输出校准保留原 gripper 协议。候选尚未完成时不报告最终成功率；不通过挑选种子或删除技术有效低分来形成结论。
DATA & CODE
研究快照与来源
已完成结果与执行进度均标注来源时间
- 四种子主对照 · 2026-10-04 审计
Rank8 / Dense 八个固定终点模型，32 组套件原始计数与正式汇总一致。
- 跨服务器 Dense · 2026-10-04 审计
独立环境四个模型的最终结果；按服务器单列，不与主实验混合。
- 执行状态 · 2026-10-07 18:53 快照
只读监测记录中的 Rank7 最终结果、跨服务器测评回合与技术复跑更新步数。
- V16 / V17 · 既有验证记录
路由与冻结主干结果保留各自的初始化、训练预算和选择协议。
LET'S CONNECT
研究交流
欢迎围绕多任务 VLA、参数共享、动作专门化与机器人闭环评测交流。