Newest papers

FIT-MAC: A Closed-Loop Multi-Agent Framework for Robust Vision-Language-Action Models

Jiatong Li, Jisheng Dang, Qiangqiang Ma, Bimei Wang, Jingwen Zhao, Wenjun Ma, Juncheng Li, Hong Peng · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28109 · open-access PDF

French

Les modèles de vision-langage-action (VLA) ont obtenu de fortes performances sur les critères de référence de manipulation robotique standard. Cependant, leur fiabilité peut être considérablement dégradée lorsque les conditions de tâche dévient de la configuration nominale. Les perturbations dans les positions d'objet et les instructions de tâche peuvent conduire à une défaillance complète de la tâche. Les politiques de VLA existantes manquent généralement d'un mécanisme explicite de fonctionnement pour distinguer ces modes de défaillance et choisir une stratégie de récupération appropriée. Pour atténuer systématiquement ce problème, nous proposons FIT-MAC, un cadre de contrôle multi-agent conscient de la défaillance pour améliorer t

Machine translation (Meta M2M100); the English original follows.

Abstract

Vision-language-action (VLA) models have achieved strong performance on standard robotic manipulation benchmarks. However, their reliability can degrade substantially when task conditions deviate from the nominal setting. Perturbations in object positions and task instructions may lead to complete task failure. Existing VLA policies generally lack an explicit runtime mechanism for distinguishing these failure modes and selecting an appropriate recovery strategy. To systematically mitigate this issue, we propose FIT-MAC, a failure-aware, closed-loop multi-agent control framework for improving t

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange