机器人 VLA 论文正在转向基于 rollout 的可靠性

ABC 通过发布数据、代码、硬件细节、模型权重、仿真资产和真实 rollout 分数，提高了行为克隆的可复现性标准。它的 ABC-130K 数据集包含 3,553 小时、134,806 个 episode 和 195 个任务，ABC-Eval 中还有超过 100 小时的真实策略 rollout。论文还报告，仿真和部分离线诊断指标与真实世界成功率相符，为研究人员选择模型提供了成本更低的信号。

LA4VLA 处理的是 VLA 预训练中的另一类数据问题。长演示通常把一条高层指令配给许多图像-动作帧，因此语言信号稀疏。LA4VLA 将演示切成短的语言-动作片段，保留 33,116 个经过人工验证的 episode，并在 VLA 训练前，用不含图像的语言、本体感知和动作轨迹训练一个 1B 模型。它的混合语言-动作和 VLA 预训练在真实世界操作任务上报告了 83.3% 的成功率，比无预训练在真实任务上高 45.0 个点。

多篇论文把冻结或已训练的 VLA 策略作为受监控执行循环中的一个组件。E-TTS 采样推理-动作对，用视觉-语言验证器打分，保存近期历史，并在候选失败时请求反馈。在其报告的设置中，它带来平均 13.52 个点、最高 33.14 个点的仿真成功率提升。

PhysReflect-VLA 在动作执行前加入物理可行性评分，并在执行后比较预测的下一状态和观测到的下一状态。如果差异较大，反思器会生成纠正指导。在五个真实机器人任务上，Phys-OVLA 的平均成功率比 OVLA-FT 高 5.4 个点，Phys-OFT 比 OVLA-OFT 高 3.0 个点。

RouterVLA 表明，部署前的冒烟测试也可以指导策略选择。在 LIBERO-Plus 上，一条简单的探测成功规则在冻结专家之间做选择，达到 0.6149 的留出成功率；全局最佳专家为 0.4686。

PAMAE 用阶段感知的专家混合动作头修改流匹配 VLA 策略。路由器使用夹爪状态、夹爪变化、上一动作范数和进度等执行线索。在五个仿真多阶段任务上，PAMAE 将 π0 的平均成功率提高 9.2 个点，将 π0.5 提高 5.6 个点。

VibeAct 为灵巧控制加入了一个紧凑的触觉通道。压电指尖麦克风向接触和滑移估计器提供输入，估计器再向 MuJoCo 中训练的策略提供一个 12 维触觉向量。在硬件上，它在 Box Climb、Can Climb 和 Nut Rotation 上的成功率高于本体感知加点云基线。

LeHome 衣物折叠系统给出了一个面向比赛规模的可变形物体示例。它结合了流匹配 VLA 策略、强化学习、回放、人工纠正和 sim-to-real 调优，在在线仿真轮中获得第一名，在真实世界决赛中获得第二名。

ForesightSafety-VLA 将安全作为 VLA 策略的主要测量目标。它在物理交互、指令处理和感知三个方面定义了 13 个安全类别。该基准在五种机器人形态上构建了 66 个加入安全因素的 RoboTwin 场景，然后区分安全成功、不安全成功、安全失败和不安全失败。

报告的基线都显示仍有风险。OpenVLA-oft 的安全调整成功率在列出的结果中最高，为 0.35，但不安全成功仍为 0.06。在成功 episode 中，不安全占比在 OpenVLA-oft 上为 12.5%，在 ACT 上为 37.5%。这种评分选择很重要，因为机器人可能在完成指令的同时碰撞物体、进入高温区域或违反间隙限制。