机器人抓住积木，正准备往碗里放。就在这时，有人突然把碗挪走了。
人会本能地停一下、看一眼，再重新对准；但不少 VLA 机器人不会。它明明还在接收相机画面，手上却继续执行几百毫秒前生成的旧动作，最后把积木放进空气里。
这不是模型「没看见」，而是它在这段时间里，根本没被允许重新思考。
浙江大学 ACES 实验室 OmniAI 团队与阿里巴巴达摩院的最新工作 VLA-Corrector，盯住了这个长期被 action chunk 掩盖的问题：VLA 一次预测一串动作确实高效，但从开始执行到下一次推理之间，也出现了一块危险的开环盲区。
-
论文： VLA-Corrector: Lightweight Detect-and-Correct Inference for Adaptive Action Horizon
-
作者： Yi Pan, Miao Pan, Qi Lu, Jiaming Huang, Man Zhang, Siteng Huang, Xin Li, Jie Zhang, Yongliang Shen, Xuhong Zhang, Wenqi Zhang
-
单位： Zhejiang University；Alibaba DAMO Academy
-
论文链接：https://arxiv.org/abs/2607.01804
-
项目主页：https://zju-omniai.github.io/vla-corrector/
-
代码：https://github.com/ZJU-OmniAI/vla-corrector
他们给出的答案很直接：不必逼大模型每一步都重算，也别让机器人闭着眼把整段动作做完。给 VLA 加一个约 40M 参数的轻量级 Corrector，让它知道什么时候该继续，什么时候必须停手纠错。
长 action horizon 与严格闭环执行的对比
VLA 明明一直睁着眼，为什么还像没看见？
现在主流的生成式 VLA，常用 action chunk 来摊薄推理成本：模型看一次画面，一口气生成未来一段动作；机器人再从中连续执行前 H 步。H 越大，调用模型的次数越少，动作也更连贯。
代价同样明显。抓取时打滑、插入时偏了两毫米，或者目标被人移动，后面的动作就已经「过期」了。但只要 horizon 还没结束，机器人仍会照着旧计划往下做。小偏差很快滚成大错误，等下一次推理终于到来，状态可能已经偏到救不回来了。
把 H 设成 1，当然可以步步闭环，却等于每个控制步都调用一次 VLA。论文的 horizon sweep 也把这笔账算得很清楚：以 π0.5 为例，拉长 horizon 能把 policy call 降低约 4 倍，但成功率会从约 64% 掉到 49% 以下。
所以，问题并不是再猜一个「最佳 H」。真正该问的是：当前这段动作，什么时候已经不值得信了？
不要一直重规划，
只在动作失效的那一刻接管
VLA-Corrector 没有改动 VLA 主干权重，而是在推理链路外加了一条「监测—打断—纠正」的旁路。
第一步是监测。Latent-space Vision Monitor（LVM）学习一个很局部的问题：执行这个动作后，视觉特征接下来应该往哪个方向变化？在线运行时，它不断比较「预期变化」和相机里「真实发生的变化」。模型不是直接预测像素，而是在信息密度高的 latent space 中预测视觉动态残差。这样有助于减少静态背景，光照的干扰，让模型优先关注对执行任务而言重要的动态部分，降低学习难度的同时还能让预测更加准确。
第二步是打断。如果这种偏差持续出现，而非单帧抖动，系统立刻清空队列中尚未执行的 stale actions。动态阈值、迟滞机制和连续步检查，保证它不会一有风吹草动就停机。
第三步才是纠正。简单地再问一次 VLA，可能只会得到另一段同样出不去的动作。为此，Online Gradient Guidance（OGG）会把刚才检测到的视觉偏差变成梯度信号，只引导中断后的那一次恢复推理，把新动作往更可恢复的方向推。
VLA-Corrector：监测、打断与纠正
这套机制最终得到的不是另一个固定 horizon，而是事件触发的自适应 horizon：搬运平稳时，大步往前走；到了抓取、对齐、插入这些容易出错的阶段，随时准备切回短视野纠错。实验中，83.7% 的截断恰好发生在这些关键阶段。
换句话说，它不是在开环和闭环之间二选一，而是把闭环反馈用在了最值钱的时刻。
成功率涨了，调用次数反而还能降
在 MetaWorld 上，给 π0.5 加入 VLA-Corrector 后，平均成功率从 48.70% 提升到 64.35%；在 Very Hard 任务上，提升达到 24 个百分点。
更有意思的是，它并不是靠疯狂增加推理次数换来的。SmolVLA 在 horizon 10 下，成功率从 61.90% 提升到 73.00%，平均 policy call 却从 19.27 次降到 15.64 次。原因不难理解：及时扔掉过期动作，远比在失败轨迹上继续浪费整段 chunk 划算。
真实 AgileX PiPER 机械臂上的结果更直观。九项任务的平均成功率从 55.6% 提升到 73.3%；在人为移动物体或目标的扰动恢复任务中，成功率从 40.0% 跃升到 68.3%。而在 LIBERO 上，加入 Corrector 的 few-shot 模型达到 97.8%，还超过了 fully fine-tuned baseline 的 96.95%。
VLA-Corrector 的真实机械臂结果
这项工作真正值得带走的 insight
过去我们常把 VLA 的可靠性理解成「第一次就预测出完美动作」。但机器人进入物理世界后，动作会反过来改变环境，计划也会随时过期。一个永远不犯错的长动作块并不现实，真正重要的是：系统能不能尽早知道自己已经走偏，并保留打断自己的权力。
VLA-Corrector 给出了一种很有启发的系统分工：大模型负责提出计划，小模型负责审计计划，执行层拥有随时叫停的权力。 这可能比一味堆大 backbone 更接近具身智能的可靠落地。
它当然不是万能恢复器。OGG 仍受基础策略能力上限约束。但VLA-Corrector真正的核心在于它能有效抑制错误在开环盲区中被放大，大幅降低VLA policy从错误中恢复的难度。它改变了问题的解法：不再要求 VLA 时时严格闭环，而是让系统在该闭环的瞬间，真的闭上这个环。
一句话概括：机器人未必需要永远不出错，但它必须学会不把错误继续做完。
作者介绍
本工作由浙江大学 OmniAI 团队与阿里巴巴达摩院联合完成，第一作者是浙大准研一的硕士研究生潘翼，研究聚焦 action-chunked VLA 的开环盲区与真实机器人纠错，通讯作者为浙大百人计划研究员张文祺。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com