机器人不再每步都问大模型：本地CALL头只在关键恢复时呼叫Astra，200个LIBERO回合成功率97.5%
核心概要
冻结的π0.5策略加装一个本地CALL头，只在关键恢复时刻呼叫GPT-6 Astra，在200个LIBERO回合上把成功率从95.5%提到97.5%，同时把Astra的介入限制在少数环境步上。
深度剖析
机器人操作策略现在可以自己判断什么时候需要外部大模型帮忙，而不是每一步都去问。 此前的混合方案让Astra持续审查并纠正策略提案，即使提案本身正确也会产生开销。 在LIBERO-10、Object、Goal、Spatial四个套件共40个任务、200个回合上，混合系统成功195/200，纯π0.5成功191/200。
判断在本地完成，复用策略已有的前向表示，不额外调用外部模型。 CALL头把语义特征、动作特征以及机器人状态与动作块统计拼接后投影，依次经过LayerNorm、256单元线性层、GELU、LayerNorm和标量输出，共479,937个可训练参数。 训练数据来自LIBERO-Recovery的失败状态与正常推进状态，按任务划分为训练、早停、校准和测试集，共5,055个能力状态样本、37个留出任务折。
只有确认需要时才把控制权交给Astra，稳定后立刻交回π0.5。 系统在每次策略查询时评估CALL，正常执行时两次查询之间消费动作块中的五个动作，并用五查询分数窗口确认持续求助。 200个回合中61个回合咨询Astra，13个回合真正执行Astra动作；Object、Goal、Spatial三个套件里Astra只执行1,076/19,592个环境步，占5.49%。
启示与展望
这套系统在LIBERO-10、Object、Goal、Spatial四个套件的40个任务、200个回合上评估，基础策略是冻结的OpenPI pi05_libero检查点，Astra通过外部与腕部RGB图像、任务指令、机器人状态、策略提案和执行历史进行恢复。适合关注具身策略推理成本与恢复机制的读者。
Object套件的咨询率为38%，而其首次CALL状态下的纯π0.5续跑成功率为95.79%，说明存在频繁的不必要触发；作者把这一点归因于该套件难度较低、场景同质以及训练数据中失败状态占比过高，并提出后续改进CALL模块并重新平衡训练数据。