视觉-语言-动作（VLA）模型近年来在机器人控制领域获得了广泛关注，而动作分块（action chunking）已成为这类模型的一种常见接口方式。其基本思路是让低频率的策略推理输出一段连续的动作序列，再由底层控制器以高频率执行，从而在保证响应速度的同时降低模型推理的负担。然而，这种机制存在一个根本性的隐患：一旦某个动作块被提交执行，它便进入开环状态，机器人只能按照预先规划的动作序列前进，而无法根据执行过程中出现的偏差进行调整。当系统面临随机动力学、硬件执行误差以及部分可观测性等问题时，这种开环执行往往显得十分脆弱。
针对这一挑战，来自 Wenxi Chen 等九位作者的研究团队提出了 DREAM-Chunk，一种在测试阶段进行扩展（test-time scaling）的方法。该方法的核心思想是为基于分块策略的策略模型配备一个轻量级的潜在世界模型（latent world model），从而在不额外微调策略网络的前提下提升执行的鲁棒性。与需要重新训练或微调策略的方案不同，DREAM-Chunk 完全在推理阶段发挥作用，这使其能够较为方便地叠加到现有的 VLA 系统之上。
在具体机制上，DREAM-Chunk 在测试时会采样多个候选动作块，并利用潜在世界模型对每个候选块所对应的未来状态进行滚动预测。随后，系统将把这些预测的潜在未来与实际观测到的执行轨迹进行比对，从中挑选出预测状态与实际演化最为吻合的那个动作块，并采用该块中的动作继续执行。通过这种方式，DREAM-Chunk 借助额外的测试时计算资源，覆盖多种可能的随机未来，从而在长时程的动作块执行过程中提升系统的反应能力。
研究团队在 Kinetix 基准上对 DREAM-Chunk 进行了评估。实验结果显示，随着动作噪声的不断增加，该方法能够显著改善策略的鲁棒性；并且当候选样本数量增大时，性能还会进一步提升。值得注意的是，当示教数据中包含纠错行为时，这种收益尤为明显，说明模型能够从人类或专家演示中的修正动作里学到有价值的反应模式。
除仿真基准外，作者还在两个机器人平台、两种 VLA 策略上，针对四个操作任务进行了验证，并引入了多种来源的随机性。无论是在仿真环境还是真实硬件实验中，DREAM-Chunk 都表现出一致的效果，即提升了动作分块策略在随机动力学条件下的鲁棒性。这一结果说明，该方法具有良好的跨平台与跨策略泛化能力，而非仅针对某一特定配置调优。
从时间线来看，该论文于 2026 年 6 月 17 日提交至 arXiv，编号为 arXiv:2606.18589v1，属于机器人学（cs.RO）分类下的新论文，全文约 591 KB。论文的 DOI 为 https://doi.org/10.48550/arXiv.2606.18589，由 DataCite 发放，目前仍在注册过程中。作者提供了 PDF、实验性 HTML 以及 TeX 源码等多种访问方式。总体而言，DREAM-Chunk 为提升基于动作分块的 VLA 策略在真实随机环境中的可靠性提供了一条无需重新训练、仅依赖测试时计算即可实现的实用路径。