VLA动作块执行不再只看生成是否稳定：PAV先预测前缀后果，LIBERO平均成功率94.65%
核心概要
视觉-语言-动作（VLA）策略一次查询生成一串动作，但执行多长才安全此前只能靠生成稳定性或预测一致性间接判断。PAV改为在策略自身的任务条件表示空间里预测候选前缀执行后的未来状态，并用轨迹级成败结果训练一个验证器，给出该前缀能否继续完成任务的概率。在LIBERO四个套件上，PAV平均成功率94.65%、平均每回合14.0次策略查询，高于不做未来预测的直接验证（84.55%、22.3次）和改用DINOv2特征预测的版本（87.00%、22.2次）。
深度剖析
机器人执行VLA策略给出的动作块时，现在可以先判断一段候选前缀执行后任务还能不能完成，再决定执行多长。 此前的自适应方法依据生成稳定性或预测一致性来选执行长度，但这两类信号不能说明执行该前缀后是否仍能成功完成任务。 在LIBERO四个套件上，PAV平均成功率94.65%、平均每回合14.0次查询；不做未来预测的直接验证为84.55%和22.3次，改用DINOv2特征预测为87.00%和22.2次。
判断方式是在策略内部表示里预演候选动作的后果，再由一个验证器把预演结果折算成继续执行的成功概率。 预测器以策略从观测和指令中提取的特征为目标，用余弦距离对齐观测到的未来表示，并用同任务的另一段动作做排序约束，使预测对动作内容敏感。 在留出数据上，以实际执行动作为条件的预测与观测未来表示的余弦相似度为0.9401，换成同任务另一段动作为0.5304，反向动作为0.4816，零动作为0.4103。
验证器只拿到轨迹级的成功或失败标签，因此把每一步的局部有效性当作隐变量，用各步有效性乘积与最终结果对齐来训练。 失败轨迹中也可能包含有效的前缀，若把整条失败轨迹的每一步都压低，会误伤这些有效动作。 训练目标加入定位先验，让失败轨迹的有效性下降集中在少数几步；去掉该先验后，LIBERO平均成功率为83.65%、平均25.60次查询，完整目标为94.65%和14.0次。
启示与展望
评估覆盖两个流式VLA策略在LIBERO四个套件上的单臂操作、RoboTwin 2.0全部50个任务的双臂操作，以及7自由度Franka Panda上放置、堆叠和按键三项真实任务，每项真实任务30次试验。验证器按策略配置与基准分别训练，真实任务上每个任务单独训练一个验证器。
作者指出，验证器只获得轨迹级结果，单步扩展的有效性始终是隐变量；定位先验只是让失败轨迹的分数下降更集中，并未给出每一步的失败标签。计算开销的测量只覆盖验证器的GPU计算，为动作生成时间的0.45%–1.24%，不含端到端控制回路延迟。RoboTwin上固定执行长度基线来自另一次评估，初始条件不保证与其他方法逐回合配对。