Habilis-$\beta$：一种快速运动和持久的设备内视觉语言-动作模型
机器人学
2026-02-24 v1 机器学习
摘要
我们介绍 Habilis-，一种面向实际部署的快速运动和持久的设备内视觉语言-动作 (VLA) 模型。当前 VLA 评估主要局限于单次试验成功率下进行，环境被人为重置，这未能捕捉实际操作中必需的快速运动和持久能力。为此，我们提出了生产可靠性平面 (PRP)，通过持续运行协议下的每小时任务数 (TPH) 和任务间平均间隔干预时间 (MTBI) 来评估性能，这要求具备高速执行和持久鲁棒性。Habilis- 通过集成在大规模玩法数据上进行的无语言预训练以获得稳健的交互先验，并通过循环任务演示后的训练捕捉连续任务迭代中的状态漂移。系统进一步采用 ESPADA 进行相位自适应运动调制以加速自由空间穿越，使用整流流蒸馏实现边缘设备上的高频控制，并将无条件引导 (CFG) 作为部署时的调节器，动态平衡指令遵循与已学习的交互先验。在 1 小时持续运行评估中，Habilis- 在 PRP 指标下表现优异，相较于 在仿真和实际环境中均取得优异成绩。仿真中，Habilis- 实现 572.6 TPH 和 39.2 秒 MTBI（相较于 的 120.5 TPH 和 30.5 秒），在实际人类无人机物流工作流程中实现 124 TPH 和 137.4 秒 MTBI（相较于 的 19 TPH 和 46.1 秒）。最后，Habilis- 在代表性任务的标准 RoboTwin 2.0 排行榜中取得最高报告性能，验证了其在复杂操作场景中的有效性。
引用
@article{arxiv.2602.18813,
title = {Habilis-$\beta$: A Fast-Motion and Long-Lasting On-Device Vision-Language-Action Model},
author = {Tommoro Robotics and : and Jesoon Kang and Taegeon Park and Jisu An and Soo Min Kimm and Jaejoon Kim and Jinu Pahk and Byungju Kim and Junseok Lee and Namheon Baek and Sungwan Ha and Hojun Baek and Eduardo Ayerve Cruz and Wontae Kim and Junghyeon Choi and Yousuk Lee and Joonmo Han and Sunghyun Cho and Sunghyun Kwon and Soyoung Lee and Jun Ki Lee and Seung-Joon Yi and Byoung-Tak Zhang and Theo Taeyeong Kim},
journal= {arXiv preprint arXiv:2602.18813},
year = {2026}
}