Policy-Aligned Predictive Verification for Adaptive VLA Action-Chunk Execution

📄 arXiv: 2610.21434v1 📥 PDF

作者: Minkyu Kim, Junhoo Lee, Seungyeon Kim, Suhyun Jeon, Baekseung Kim, Donghoon Han, Nojun Kwak

分类: cs.RO, cs.LG

发布日期: 2026-10-15

💡 一句话要点

提出政策对齐的预测验证方法以优化VLA动作执行

🎯 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 自适应方法 预测验证 机器人操作 任务成功率

📋 核心要点

  1. 现有自适应方法在决定执行动作序列时，未能有效评估候选前缀是否能成功完成任务。
  2. 本文提出的政策对齐预测验证器（PAV）通过预测候选动作前缀的后果，评估其与成功继续的兼容性。
  3. 在LIBERO、RoboTwin 2.0和真实世界操作中，PAV方法显示出成功率和查询效率的显著提升。

📝 摘要（中文）

视觉-语言-动作（VLA）策略生成的动作序列能够减少重复推理，但如何决定执行每个序列的程度对任务成功至关重要。现有的自适应方法依赖于生成稳定性或预测一致性来做出决策，但这些信号并不能确保候选前缀的执行能够完成任务。本文提出了一种政策对齐的预测验证器（PAV），该方法预测候选动作前缀的后果，并在执行前评估其与成功继续的兼容性。我们的方法在VLA的内部任务条件表示空间中评估现有提案，而不是使用未来预测生成动作。通过结合轨迹级生存监督与保留失败回滚中有用行为的定位先验，我们的有效性评分指导执行时限选择。实验结果表明，该方法在LIBERO、RoboTwin 2.0和真实世界操作中显示出成功查询的改进。

🔬 方法详解

问题定义：本文旨在解决如何有效评估视觉-语言-动作（VLA）策略生成的候选动作前缀，以确保其能够成功完成任务。现有方法依赖于生成稳定性或预测一致性，但未能直接验证候选前缀的有效性。

核心思路：提出的政策对齐预测验证器（PAV）通过预测候选动作前缀的后果，评估其与成功继续的兼容性，从而优化执行决策。该方法关注于现有提案的评估，而非未来预测生成新动作。

技术框架：PAV的整体架构包括候选动作前缀的预测、与成功继续的兼容性评估，以及基于有效性评分的执行时限选择。主要模块包括轨迹级生存监督和定位先验。

关键创新：PAV的核心创新在于使用现有提案的评估来指导执行决策，而不是依赖于未来预测生成新动作。这一方法改变了未来预测在机器人中的角色，强调了对策略提议动作的信任程度。

关键设计：在设计中，结合了轨迹级生存监督与定位先验，以保留失败回滚中的有用行为。有效性评分的计算方法和参数设置是关键技术细节，确保了模型的有效性和鲁棒性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PAV方法在LIBERO、RoboTwin 2.0和真实世界操作中，相较于基线方法pi_0和pi_0.5，成功率和查询效率均有显著提升，展示了该方法的有效性和实用性。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化控制和人机交互等。通过优化动作执行决策，PAV方法能够提升机器人在复杂环境中的任务成功率，具有重要的实际价值和未来影响。

📄 摘要（原文）

Vision-language-action (VLA) policies generate action sequences that reduce repeated inference, but deciding how much of each sequence to execute is critical to task success. Existing adaptive methods make this decision using generation stability or prediction agreement, yet these signals do not establish whether executing a candidate prefix preserves the ability to complete the task. We introduce a policy-aligned predictive verifier (PAV) that anticipates the consequences of candidate action prefixes and evaluates their compatibility with successful continuation before execution. Rather than using future prediction to generate actions, our method evaluates existing proposals in the VLA's internal task-conditioned representation space. To learn local judgments from terminal task outcomes, we combine trajectory-level survival supervision with a localization prior that preserves useful behavior within failed rollouts. The resulting validity scores guide execution-horizon selection. Evaluations with pi_0 and pi_0.5 across LIBERO, RoboTwin 2.0, and real-world manipulation show improved success-query trade-offs. These findings point toward a different role for future prediction in robotics, using it to assess how far to trust a policy's proposed actions rather than to generate new ones.