Reasoning as a Distribution: Generative Plan Latents for Vision-Language-Action Models
作者: Matteo Cercola, Katie Z Luo, Milan Ganai, John Alora, Simone Formentin, Marco Pavone
分类: cs.RO
发布日期: 2026-10-20
💡 一句话要点
提出生成计划潜变量以解决视觉-语言-行动模型的推理问题
🎯 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-行动 生成计划潜变量 推理模型 多模态学习 机器人操作
📋 核心要点
- 现有的视觉-语言-行动模型在推理阶段将多个有效计划压缩为单一表示，导致潜在选择被忽视。
- 论文提出生成计划潜变量（GPL），通过低维条件分布表示推理状态，使得计划可被采样、选择和重新加权。
- 实验结果显示，引导计划的执行请求比例显著提高，且在不同环境中验证了方法的有效性。
📝 摘要（中文）
视觉-语言-行动（VLA）策略在行动前越来越依赖推理，但现有的推理模型将这一中间决策压缩为单一表示。当多个计划有效时，这种承诺隐藏了其他可选或可修订的方案。我们引入生成计划潜变量（GPL），将推理状态表示为对计划的低维条件分布，如选择使用的对象、抓取方式或路径。这使得推理状态可寻址：无需重新训练VLA，可以进行计划采样（覆盖）、按需选择（引导）和根据部署结果重新加权（结果适应）。我们在SimplerEnv操作上测试了这三种方法，并将分析扩展到RoboCasa、LIBERO和迷宫领域。引导计划将执行请求的比例从0.48提高到0.94，而对原生动作分布的相同引导未显示出可靠的增益。最后，我们表明，当显式计划携带的决策信息未被观察所确定时，其最为有用。
🔬 方法详解
问题定义：本论文旨在解决现有视觉-语言-行动模型在推理阶段的局限性，现有方法将多个有效计划压缩为单一表示，导致潜在选择被忽视，无法灵活应对不同情境。
核心思路：论文提出生成计划潜变量（GPL），通过将推理状态表示为对计划的低维条件分布，允许在不重新训练模型的情况下进行计划的采样、选择和加权，从而提高决策的灵活性和适应性。
技术框架：整体架构包括三个主要模块：推理状态的生成、计划的采样与选择、以及结果的适应。推理状态通过GPL表示，随后根据需求进行计划的引导和调整。
关键创新：最重要的技术创新在于将推理状态视为条件分布，而非单一表示，这一设计使得模型能够在多种有效计划之间进行灵活选择，显著提升了决策的多样性和适应性。
关键设计：在技术细节上，论文设计了特定的损失函数以优化GPL的生成，确保其能够有效捕捉到多种计划的潜在信息，同时采用了适应性加权机制，以便根据实际部署结果调整计划的优先级。
🖼️ 关键图片
📊 实验亮点
实验结果表明，通过引导计划，执行请求的比例从0.48提升至0.94，显示出显著的性能提升。同时，在原生动作分布上的相同引导未能实现可靠增益，突显了生成计划潜变量的有效性。
🎯 应用场景
该研究的潜在应用领域包括机器人操作、智能助手和自动化系统等，能够在复杂环境中实现更灵活的决策制定。通过提高推理的灵活性和适应性，未来可能在多模态交互和自主学习等方面产生深远影响。
📄 摘要（原文）
Vision-Language-Action (VLA) policies increasingly reason before acting, but existing reasoning models compress this intermediate decision into a single representation. When several plans are valid, this commitment hides alternatives that could otherwise be selected or revised. We introduce the Generative Plan Latent (GPL), which represents the reasoning state as a low-dimensional conditional distribution over plans, such as which object, grasp, or route to use. This makes the reasoning state addressable: without retraining the VLA, plans can be sampled (coverage), selected on request (steering), and reweighted by deployment outcomes (outcome adaptation). We test all three on SimplerEnv manipulation with $π_0$, and extend the analysis to RoboCasa, LIBERO, and a maze domain. Steering the plan raises the fraction of executions that follow the request from 0.48 to 0.94, while the same guidance on the native action distribution shows no reliable gain. Finally, we show that an explicit plan is most useful when it carries decision information not already determined by the observation.