开环规划，闭环验证：面向 VLA 的推测性验证

视觉 - 语言 - 动作（VLA）模型在具身控制中表现优异，但推理成本高昂。现有方法采用动作分块进行开环执行以提升效率，却因缺乏闭环反馈而易受环境变化影响并产生误差累积。为此，本文提出 SV-VLA 框架，结合高效的开环长程规划与轻量级闭环在线验证。该框架利用重型 VLA 作为低频宏观规划器生成动作块及规划上下文，同时由轻量级验证器基于最新观测持续监控执行。验证器仅在必要时触发重规划，从而兼具分块预测的高效性与闭环控制的鲁棒性，实现了动态环境下高效可靠的 VLA 控制。