Los modelos de políticas visión-lenguaje-acción (VLA) suelen fallar cuando la ejecución física de un robot se desvía de la acción comandada, debido a factores mecánicos como el desgaste o cambios en la carga. Para abordar esta limitación, se propone un método de adaptación en tiempo de despliegue denominado 'self-compensating VLA'. A diferencia de los enfoques tradicionales que requieren recompensas de tarea o etiquetas, esta técnica actualiza la política en línea utilizando el residuo entre la acción comandada y el movimiento ejecutado por el robot, permitiendo que el sistema pre-compense los errores de ejecución sin necesidad de supervisión humana adicional.
Para evaluar la robustez de estas políticas bajo condiciones de ejecución difíciles de simular con robots físicos, se introduce 'RoboStress', un benchmark de simulación controlado. Este entorno combina modelos establecidos de fricción, retroceso, compliancia y errores de compensación de gravedad en siete escenarios de despliegue, donde los errores dependen del estado y la historia de movimiento del robot. Los resultados demuestran que la política de auto-compensación supera a las políticas base y a los métodos que incorporan robustez durante el entrenamiento. En pruebas con dos brazos robóticos físicos con diferentes historiales de uso, el método eleva la tasa de éxito medio de la tarea en más de 30 puntos porcentuales en cada brazo, mejorando el rendimiento incluso en objetos no incluidos en las demostraciones iniciales.
