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。
视觉语言模型能读懂任务却常抓不稳物体：在RoboDojo上，同一模型去掉机械臂执行后成功率从22.5%升到76.2%，说明瓶颈在物理执行。Auriga把模型决策与机器人执行分开，由模型维护显式任务信念，所有动作经统一准入网关先预览轨迹、执行中校验阶段容差并在偏差时停机回报。冻结后的Auriga在42项任务上取得57.7%成功率、64.0分，排名第一，并在RoboCasa365上达到73.2%。
作者提出 PyRUA-Lean——一种交互式代码执行框架，将反馈驱动的机器人原语组合与选择性观测结合，让智能体把经典机器人原语与学习到的视觉-语言-动作（VLA）策略组合进 Python 单元以执行条件检查与局部重试，仅返回显式请求的图像与状态反馈用于重新规划；在 LIBERO-PRO、RoboTwin 2.0 与 RoboCasa365 的 700 个模拟任务实例上，与使用同一 GPT-6 Astra 规划器和相同底层机器人原语的工具调用基线相比，在相同 LLM 调用预算下总体成功率由 63.1% 提升至 71.7%，在两者均解决的实例上减少 49% 的 LLM 调用与 65% 的输入 token。
已读完全部报道