视觉-语言-动作模型通常一次预测一整段未来动作，相邻动作块之间缺少显式的时间一致性约束，容易在衔接处出现动作突变。ODEAction 把动作生成改写为从当前动作出发的连续演化：学习一个动作转移场，用常微分方程积分逐步生成后续动作，不再联合预测固定长度的动作块。在 LIBERO 上平均成功率由 96.85% 升到 98.25%，在 EBench 上由 15.28% 升到 24.72%，即 61.8% 的相对提升；在 RoboTwin 五个任务上与 RTC、Legato 对比，平均成功率 84.4%，高于基线的 82.4%。
人形机器人操作中，视觉-语言-动作模型的大骨干推理慢，同步执行时机器人只能拿过时观测动作，骨干越大控制频率越低。DASH把策略拆成慢速视觉-语言模型与快速流匹配动作头，经LCM协议以三个并发进程运行，控制频率只由动作头决定。在按模拟时间计入推理延迟的RoboTwin基准上，DASH在0.8B到8B骨干下都保持20赫兹，同步管线则从9.7赫兹降到4.1赫兹，且各规模成功率更高；真实灵巧手人形上，抓放成功为23/24，同步管线为16/24。
长动作块机器人策略的在线强化学习适配此前要直接优化高维动作序列，样本开销大，真实机器人上代价高。ExRL把适配对象换成每个预测动作块执行多少步这一标量决策，用离策略强化学习训练一个轻量适配器，基座策略保持冻结。在仿真基准与四项真实操作任务上，它让扩散策略、ACT、多类视觉-语言-动作模型和世界动作模型都能以较少在线交互获得提升，真实叠方块任务约十分钟物理交互后接近全成功。
多数机器人策略在离散控制步上直接输出动作值，把物理运动的连续性留给数据隐式学习。ODE Policy 改用一个神经常微分方程学习动作的向量场，在部署时由上一个动作积分出下一个动作，使轨迹在构造上连续。在 LIBERO 上训练一个 epoch 后，它取得 79.2% 的成功率，而基线最高为 43.2%；作为 VLA 与 ImageWAM 的动作头以及 SuperMimic 的 actor 时也保持这一早期优势。
月球车自主对接此前依赖感知、建图、规划分工的模块化管线，感知误差会逐级传到规划。研究者在LuPNT月球模拟器中用特权专家生成安全示范，训练一个以Qwen3.5-4B为骨干的视觉-语言-动作策略，从单目相机和鸟瞰图直接输出航点。在训练中未见的尘埃与光学扰动下，该策略在六种扰动条件中的五种取得更高对接成功率，最强扰动下优势最大；自适应执行时域在保持90%对接成功率的同时，把每个成功场景的策略推理次数从固定2米时域的17.16次降到8.36次。
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）。
生成式机器人策略在异步重规划时不再每次从独立高斯噪声重新起步，而是让相邻动作块的初始噪声按实际执行位移对齐并沿动作时间相关，真机叠衣成功率96.7%、物体收纳90.0%。
已读完全部报道