Open-Loop Planning, Closed-Loop Verification: Speculative Verification for VLA

📄 arXiv: 2604.02965 📥 PDF

作者: Zihua Wang, Zhitao Lin, Ruibo Li, Yu Zhang, Xu Yang, Siya Mi, Xiu-Shen Wei

分类: cs.RO, cs.CL

发布日期: 2026-04-06

💡 一句话要点

提出SV-VLA框架，结合开环规划与闭环验证，提升VLA控制效率与鲁棒性。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 视觉语言动作模型 具身控制 开环规划 闭环验证 推测验证 机器人控制 动态环境

📋 核心要点

  1. VLA模型推理成本高，开环执行易受环境变化影响，导致误差累积。
  2. SV-VLA框架结合开环长程规划和闭环在线验证，提高效率和鲁棒性。
  3. 实验证明SV-VLA在动态环境中实现了高效可靠的VLA控制。

📝 摘要（中文）

本文提出了一种用于视觉-语言-动作（VLA）控制的推测验证框架（SV-VLA），旨在提高VLA模型在具身控制任务中的效率。VLA模型作为具身控制的大型基础模型，虽然表现出色，但推理成本高昂。SV-VLA结合了高效的开环长程规划和轻量级的闭环在线验证。具体而言，SV-VLA使用一个计算量大的VLA模型作为低频宏观规划器，生成动作块和规划上下文，同时使用一个轻量级的验证器基于最新的观测持续监控执行过程。验证器以当前观测和规划上下文为条件，将计划的动作与闭环参考动作进行比较，仅在必要时触发重新规划。实验表明，SV-VLA结合了分块预测的效率和闭环控制的鲁棒性，从而在动态环境中实现高效可靠的VLA控制。

🔬 方法详解

问题定义：VLA模型在具身控制任务中表现出色，但推理成本高昂。为了提高效率，现有方法采用动作分块，即预测一系列未来动作进行开环执行。然而，开环执行对环境变化敏感，缺乏闭环反馈，容易导致误差累积，降低控制的可靠性。

核心思路：SV-VLA的核心思路是将高效的开环长程规划与轻量级的闭环在线验证相结合。通过开环规划生成动作序列，并利用闭环验证实时监控执行过程，仅在必要时进行重新规划，从而在保证效率的同时提高控制的鲁棒性。

技术框架：SV-VLA框架包含两个主要模块：宏观规划器（Macro-planner）和验证器（Verifier）。宏观规划器是一个计算量大的VLA模型，负责生成动作块和规划上下文。验证器是一个轻量级的模型，基于最新的观测和规划上下文，将计划的动作与闭环参考动作进行比较。如果验证器检测到计划的动作与参考动作存在显著差异，则触发重新规划。

关键创新：SV-VLA的关键创新在于推测验证机制。它不是完全依赖开环规划，而是通过轻量级的验证器对规划的动作进行在线验证，从而及时发现并纠正潜在的错误。这种推测验证机制结合了开环规划的效率和闭环控制的鲁棒性。

关键设计：验证器的设计至关重要。它需要足够轻量级，以保证在线验证的效率，同时又需要足够准确，以检测到潜在的错误。论文中验证器具体结构和训练方式未知。宏观规划器生成动作块的频率以及验证器触发重新规划的阈值也是需要仔细调整的关键参数。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过实验验证了SV-VLA框架的有效性。实验结果表明，SV-VLA在保持较高控制性能的同时，显著降低了计算成本。具体的性能数据和对比基线未知，但论文强调SV-VLA结合了分块预测的效率和闭环控制的鲁棒性。

🎯 应用场景

SV-VLA框架可应用于各种需要高效可靠控制的具身智能任务，例如机器人导航、物体操作、自动驾驶等。该框架能够提高机器人在动态环境中的适应性和鲁棒性，使其能够更好地完成复杂任务。未来，该框架可以进一步扩展到更复杂的任务和环境，并与其他技术相结合，例如强化学习和模仿学习，以实现更智能的具身控制。

📄 摘要（原文）

Vision-Language-Action (VLA) models, as large foundation models for embodied control, have shown strong performance in manipulation tasks. However, their performance comes at high inference cost. To improve efficiency, recent methods adopt action chunking, which predicts a sequence of future actions for open-loop execution. Although effective for reducing computation, open-loop execution is sensitive to environmental changes and prone to error accumulation due to the lack of close-loop feedback. To address this limitation, we propose Speculative Verification for VLA Control (SV-VLA), a framework that combines efficient open-loop long-horizon planning with lightweight closed-loop online verification. Specifically, SV-VLA uses a heavy VLA as a low-frequency macro-planner to generate an action chunk together with a planning context, while a lightweight verifier continuously monitors execution based on the latest observations. Conditioned on both the current observation and the planning context, the verifier compares the planned action against a closed-loop reference action and triggers replanning only when necessary. Experiments demonstrate that SV-VLA combines the efficiency of chunked prediction with the robustness of closed-loop control, enabling efficient and reliable VLA-based control in dynamic environments. Code is available:this https URL.