奖励引导扩散采样换到更干净的中间状态：VaLoP把高噪声处的价值梯度误差压下去，机器人成功率也最高
奖励引导扩散采样在采样时用价值函数的梯度把生成结果推向奖励模型偏好的图像或动作，但一步去噪估计和学到的价值模型这两类梯度估计在高噪声、也就是样本粗结构被决定的阶段最不准。VaLoP把价值评估挪到采样器前进一步、不确定性更小的前瞻状态，再用一次向量-雅可比积把梯度拉回当前状态；在SD3.5-Medium、SD3.5-Large和FLUX.1-dev三种生成器、三种奖励上，VaLoP与摊销版VaLoP-Fast的目标奖励都稳定高于StitchVM和DPS，VaLoP-Fast在LIBERO与RoboCasa上取得最高成功率。