Vision-Language-Action (VLA) Adaptive Horizon Reinforcement Learning Robotics
摘要

现有的基于块(chunk-based)的视觉-语言-动作(VLA)模型在执行固定数量的动作后才进行重规划,导致重规划成为与任务进度无关的周期性调度。这可能导致在关键操作阶段因未能及时重规划而使用过时的状态信息。为此,我们提出了伯努利续行策略(BCP),这是一种轻量级、即插即用的框架,用于实现自适应执行周期,同时保持基础VLA冻结。给定固定长度的动作块,其续行头将执行周期的选择分解为一系列“继续或重规划”的决策,对候选周期施加序数归纳偏置。通过轨迹级强化学习和重规划效率奖励进行训练,BCP显著提升了成功率和运行效率,并在真实机器人上验证了其有效性。

AI 推荐理由

论文核心解决VLA模型的任务规划问题,提出自适应执行 horizon 机制以优化多步计划生成与重规划策略。

研究机构
北京大学 微软亚洲研究院
论文信息
作者 Weichen Xu, Zhenhua Liu, Lin Luo, Yaobo Liang, Chengtang Yao et al.
发布日期 2026-08-04
arXiv ID 2608.03483
相关性评分 9/10 (高度相关)