When to Ask for Help: A Decision-Theoretic Account and Measurement Standard for Slow-Module Scheduling in Dual-System Vision-Language-Action Models

📄 arXiv: 2610.21160v1 📥 PDF

作者: Shilin Zhang

分类: cs.RO

发布日期: 2026-10-15

备注: 41 pages, 7 figures. Preprint

💡 一句话要点

提出决策理论框架以优化双系统视觉语言行动模型中的慢模块调度

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 双系统模型 视觉语言行动 决策理论 慢模块调度 价值干预 闭环测试 多模态学习

📋 核心要点

  1. 现有的双系统VLA模型在慢模块调度上缺乏统一的目标和标准，导致调度质量与模块质量难以区分。
  2. 论文提出将慢模块调用形式化为经过校准的决策问题，利用价值干预（VoI）来优化调度策略。
  3. 实验结果表明，适应性触发器的查询分配与理论预测一致，且在LIBERO测试中反转执行器表现出零净负面影响。

📝 摘要（中文）

双系统视觉语言行动（VLA）模型结合了高频快速策略与慢速昂贵模块，现有触发机制缺乏共享目标、成本测量及调度质量与模块质量的标准。本文将调用形式化为一个经过校准的决策问题，提出了固定比例、固定预算和历史门控调度的概念，并证明在状态独立崩溃下，最佳调度是周期性的。通过对不同成本比率的系统进行测量，验证了低成本比率下的预测，并在LIBERO上测试了闭环臂，结果显示适应性触发器的查询分配符合阈值规则预测，但语言重写通道未能成功转化查询，反转执行器是唯一在两个测试中无负面影响的干预手段。最后，提出的协议显著降低了早期预警的AUC值。

🔬 方法详解

问题定义：本文旨在解决双系统VLA模型中慢模块调度的缺乏标准化和目标的问题，现有方法未能有效区分调度质量与模块质量。

核心思路：通过将慢模块调用视为一个经过校准的决策问题，提出了基于价值干预（VoI）的调度策略，旨在优化调用时机和频率。

技术框架：整体架构包括三个主要部分：1) 调用机制的形式化；2) 通过测量不同成本比率的系统进行验证；3) 在LIBERO上进行闭环测试以评估调度效果。

关键创新：最重要的创新在于将调度问题转化为决策理论框架，提供了一个量化的标准来评估慢模块的调用时机和效果，这与现有方法的定性分析形成鲜明对比。

关键设计：关键参数包括成本比率$ρ$的设置，采用的损失函数和调度策略的设计，确保在不同环境下的适应性和有效性。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

实验结果显示，采用的四测漏协议将早期预警的AUC值从0.93降低至0.62，验证了检测质量与调度能力之间的关系。此外，测量的价值函数在每个任务的刷新周期内与闭环oracle的偏差仅为2.4%。

🎯 应用场景

该研究的潜在应用领域包括智能机器人、自动驾驶系统和人机交互等场景，能够有效提升系统在复杂环境中的决策能力和响应效率。未来，该方法有望在多模态学习和实时决策系统中发挥重要作用。

📄 摘要（原文）

Dual-system vision-language-action (VLA) models pair a high-frequency fast policy with a slow, expensive module, and published trigger mechanisms for invoking it lack a shared objective, measured costs, and any standard separating schedule quality from module quality. We provide the missing account: invocation is formalized as a calibrated decision problem whose fixed-ratio, fixed-budget, and history-gated schedules are degenerate cases of one quantity, the Value of Intervention (VoI); a renewal baseline proves the optimal schedule periodic under state-independent collapse, with adaptive gains governed by the cost ratio $ρ$ and the dispersion of collapse. Measured systems span three orders of magnitude in $ρ$ (FiS-VLA $0.95$; RoboICL about $10^3$), and a direct test confirms the low-$ρ$ prediction: calibrated gains vanish under homogeneous collapse and grow with heterogeneity. Fourteen closed-loop arms on LIBERO test the contested middle of the continuum ($ρ=1.53$): the adaptive trigger allocates its queries exactly as the threshold rule predicts, yet the language-rewrite channel cannot convert them into success on either suite, and a revert actuator that undoes a failed rewrite is the only intervention with zero net downside on both LIBERO-Spatial and LIBERO-Goal, where the rewrite deficit deepens from thirteen to forty-two points. A four-measure leak-free protocol cuts apparent early-warning AUC from $0.93$ to $0.62$ on $929$ deployment traces, a detection-limited frontier theorem converts detection quality into a schedulability statement, and a compilation loop turns measured value functions into per-task refresh periods within $2.4\%$ of the closed-loop oracle. Together these results turn slow-module invocation from a design opinion into a measured decision.