VLA选动作不再只看最高分：FRS-Grounding把邻域一致性纳入决策，仿真成功率86.4%
核心概要
视觉-语言-动作（VLA）模型给出的最高分动作，未必是物理执行中最可靠的那个。FRS-Grounding在VLA推理之后保留有限候选集，把归一化候选分数与到安全动作集的距离合成模糊动作集，再用位姿差与无碰撞状态构造候选间关系，经模糊粗糙上下近似区分强支持与边界候选。1500次随机仿真中，完整流程成功率86.4%、安全违规率2.1%，点式硬约束基线VLA-HC为74.8%与8.2%；位置噪声σ=10 mm时成功率约78%，VLA-HC约28%。
深度剖析
动作选择从只看单个候选的分数，改为在保留的候选集上评估每个动作与其邻近动作是否一致。 此前的点式做法按VLA条件分数独立排序，或对单个候选施加碰撞与工作空间硬约束，最终决定只依赖该候选自身的状态或代价。 在1500个匹配的随机桌面场景—指令实例上，完整FRS-Grounding流程成功率86.4%、安全违规率2.1%，使用同一候选表示的VLA-HC为74.8%和8.2%。
每个候选先得到一个语义—物理隶属度，候选之间再按位姿接近程度和无碰撞状态获得分级关系值。 语义项取归一化VLA条件分数，物理项取到参考安全动作集的最小归一化位姿距离经指数衰减后的支撑值，两者按权重α=0.70线性合成。 候选集由OpenVLA-7B的名义动作出发，用六维Sobol序列在±0.05 m平移与15°旋转范围内确定性生成128个候选，仿真在PyBullet中用7自由度Franka Emika Panda机械臂执行。
模糊粗糙下近似衡量强相关邻居的一致支持，上近似保留更宽的局部支持，两者之差构成边界区域。 决策按区域分层：下近似超过阈值τpos=0.80的候选进入正常执行，否则边界与上支持达标的候选进入柔顺执行，两者皆无则拒绝本次尝试。 阈值响应分析显示，τpos从0.80升到0.90时安全违规率由2.1%降到1.4%，但拒绝率由4.5%升到12.5%、成功率降到80.7%。
启示与展望
评估覆盖PyBullet中7自由度Franka Emika Panda的1500个随机桌面场景—指令实例，以及Realman RM65-B配RealSense D435i深度相机的300次真实执行；真实机器人部分用于检验完整VLA—FRS-Grounding—控制流程的集成，而非与各基线做硬件级对比。
结果限定在所测操作任务、扰动设置、机器人平台与系统配置内，比较刻画的是完整流程而非各内部组件的独立贡献；成对关系需要O(N²)次计算，候选集增大时开销可能上升。