視覺-語言-動作（VLA）模型透過融合視覺、語言和動作資訊，在機器人控制等任務中展現出超越傳統控制正規化的靈活性和泛化能力。然而，當前大多數VLA模型在單幀觀察正規化下訓練，導致其對時間動態資訊存在結構性盲點。當環境發生變化（如移動平臺或動態物體）時，即使模型在動態資料集上進行了訓練或微調，其效能仍會大幅下降。現有的解決方案要麼需要昂貴的重新訓練，要麼面臨延遲瓶頸和跨動作分塊的時間一致性問題。
針對這一挑戰，來自中國科學院等機構的研究團隊提出了一種名為“Pace-and-Path Correction”的免訓練閉式推理運算元。該方法可以無縫地包裝任何基於分塊動作的VLA模型。其核心思想來源於一個單一的二次代價函式，透過聯合最小化得到一個統一的解，並正交分解為兩個不同的通道：步速通道（pace channel）負責沿計劃方向壓縮執行速度，路徑通道（path channel）則施加正交的空間偏移。兩個通道協同工作，在動作分塊視窗內有效吸收感知到的動態變化。
為了驗證方法的有效性，研究團隊專門設計了診斷性基準MoveBench，將運動作為唯一的控制變數進行隔離。實驗結果顯示，該框架在純動態環境中使基礎VLA模型的成功率絕對提升高達28.8%，在靜態-動態混合環境中提升25.9%，持續優於當前最先進的免訓練包裝器和動態自適應方法。該方法的另一優勢在於其無需重新訓練模型，即可顯著提升效能，這對於計算資源受限的應用場景尤為重要。傳統的動態適應方法往往需要額外的訓練步驟或複雜的網路結構修改，而Pace-and-Path Correction僅透過一個輕量級的閉式運算元即可實現動態補償，極大地降低了部署成本。此外，該方法在多個不同的VLA模型上均表現出穩定的改善效果，顯示了良好的泛化能力。未來工作可以探索將該運算元擴充套件到更復雜的動態環境，以及與其他感知模組的聯合最佳化。這項研究為VLA模型在實際非平穩場景中的部署提供了一種高效、低成本的新思路，有望推動機器人系統在複雜動態環境中的廣泛應用。