导航视觉-语言-动作（VLA）策略在执行过程中，即使下一步命令与上一条完全相同，也往往要反复进行代价高昂的语义推理，这在长时间连续直行等场景中造成大量重复计算。来自Vieri N. Akustia与Bin Hu的论文提出ASPEN，试图在不改动基础策略的前提下削减这部分冗余开销。
ASPEN的核心思路是“命令持久性预测”：在给定的命令边界上，估计冻结的基础策略是否还会再次输出与上一条相同的命令。如果预测结果认为命令会持续，系统就直接复用已有命令；如果预测认为命令即将发生变化，则照常调用VLA进行全新的语义推理。这样做的好处是，只有当指令依赖的转向、停止等关键事件可能到来时，才付出完整的推理成本。
具体实现上，ASPEN是一个事件触发的调度器，而非对VLA本身的重训练。它配备一个轻量级多模态预测器，输入包括时序观测、语言指令、执行历史以及缓存的VLA置信度，综合这些信息来判断命令的持久性。调度只会在符合条件的命令边界上生效，从而避免在任意时刻打断策略的正常执行流。
作者在跨数据集的RxR-CE val-unseen划分上，以冻结的NaVILA作为基础策略进行评估。结果显示，ASPEN将VLA调用次数降低了9.5%，估计推理时间降低了8.1%，且这一数字已经包含调度本身带来的开销。同时，导航性能与基线相当，并且在92.1%的回合中保持了与基线完全相同的动作序列，说明节省计算并未以明显改变行为为代价。
该工作属于机器人学（cs.RO）方向，论文编号为arXiv:2610.36285，于2026年10月26日提交。其意义在于提供了一种与基础模型解耦的效率优化路径：无需修改或微调VLA，即可通过外部调度在保留原有行为的同时减少语义推理次数。不过，由于预测器需要在命令变化时及时触发推理，其判断准确性直接决定了是否会遗漏依赖指令的转向或停止，这也是此类复用策略需要持续权衡的风险点。