这篇题为《Learning to Assist: Collaborative VLAs for Implicit Human-Robot Collaboration》的论文于2026年6月10日提交至arXiv，编号为arXiv:2606.12475，属于机器人学（cs.RO）方向，作者为Leo Xu及其他三位合作者。研究聚焦人机协作（HRC）这一领域，探讨如何让机器人与人类各自发挥互补优势，从而提升任务执行效率。
论文指出现有协作系统的一个核心局限：许多系统依赖手工设计的流程管线，这使其在扩展到新任务时缺乏可扩展性与灵活性。为突破这一瓶颈，作者提出用模仿学习进行端到端训练的模型——特别是视觉-语言-动作（VLA）模型——来支撑协作式操作，并系统刻画了影响其在真实世界表现的关键因素。
在实验部分，研究团队评估了两个当前最先进的模型，并识别出动作分块（action-chunking）策略在隐式人机协作中的一种失效模式。作者将其称为“示教动作泄漏”，即动作块跨越了潜在的任务转换边界，从而导致机器人过早地做出辅助行为。论文发现，这一问题会随着执行时域（execution horizon）的延长而加剧，并且确实出现在真实世界的协作VLA系统中，例如机器人可能在人类尚未准备好时就试图递出工具。
针对该问题，作者提出了一种推理阶段的引导（steering）方法，用以抑制这些错误的辅助动作，同时保持策略本身的性能不受损害。为验证效果，研究团队开展了一项包含16名参与者、面向长时域协作装配任务的用户研究。结果表明，引导方法使得系统能够在更长执行时域下运行，同时有效缓解过早辅助问题，与较短时域策略相比带来了更快的协作速度与更少的失败次数。
论文同时提供了PDF、实验性HTML与TeX源码等全文链接，并标注了DOI（https://doi.org/10.48550/arXiv.2606.12475，DataCite注册待定）。提交历史显示该版本为v1，于2026年6月10日05:42:49 UTC提交，文件大小约13,470 KB。整体而言，这项工作为基于VLA模型的隐式人机协作提供了实证分析与一种可行的推理期改进方案，并强调了执行时域长度与动作分块策略之间的重要权衡。