一项名为 FailureSpot 的新研究提出了一种标签高效的视觉-语言-动作（VLA）模型故障检测方法，旨在解决机器人长时程操作中故障预测的时间戳级定位难题。该论文由 Jie Ma 等三位作者撰写，于2026年9月3日提交至 arXiv，编号为 2609.04277，归属机器人学（cs.RO）和计算机视觉（cs.CV）领域。
VLA 策略在通用机器人操作中展现出强大潜力，但在长时间执行过程中仍可能不可预测地失败。为了安全部署，可靠的故障检测至关重要。现有方法通常依赖视觉模型，这类模型往往只能在错误动作已经发生之后才检测到故障；另一种思路是使用基于 VLA 内部表征训练的轻量级主动检测器。然而，这些主动检测方法通常使用轨迹级标签进行监督，导致在不成功轨迹中，故障发生前的正常行为也会被错误地标记为故障。这种监督不匹配引入了标签噪声，既限制了轨迹级检测的准确性，也妨碍了精确到时间戳的故障定位。
为此，研究团队聚焦于细粒度的时间戳级 VLA 故障检测，同时应对密集标注成本过高的问题。他们提出了一种数据高效的框架，首先利用无标注的 VLA 动作块构建基于动作的弱监督信号，捕捉多种异常模式，例如连续动作块不一致、动作冻结或停滞、以及激进的随机运动。然后，通过主动学习仅筛选出最不确定的轨迹进行时间戳级标注，并利用这些信息量丰富的标签对检测器进行微调。
实验在多种 VLA 策略上开展，结果表明该方法同时提升了时间戳级和轨迹级的故障检测性能。这一工作为机器人安全操作提供了更具实用性的故障预警手段，有望在真实世界部署中减少因动作异常导致的意外后果。FailureSpot 的代码和数据关联信息可在 arXiv 论文页面获取，论文还提供了 PDF 和实验性 HTML 版本供读者查阅。