VLA-ATTC：基於相對動作評判模型的自適應測試時計算框架

視覺-語言-動作（VLA）模型在具身操作任務中展現了出色的能力和泛化效能。然而，其決策過程依賴於快速、直覺式的反應，缺乏深思熟慮。這種策略在面對複雜或模糊場景時，常常導致次優甚至災難性的行動。為了解決這一問題，研究人員提出了VLA-ATTC框架，為VLA模型賦予自適應測試時計算能力。該框架引入基於不確定性的“認知離合器”，在必要時從反射性執行動態切換到測試時計算（TTC）的深思階段。在TTC階段，一種新穎的相對動作評判（RAC）模型透過成對比較從生成的候選動作中識別出最優動作。這種相對機制取代了不穩定的絕對值估計，顯著簡化了學習目標。此外，研究團隊還提出了一種高效的取樣策略來分攤計算成本，以及一個無需人工標註即可整理偏好對的自動化資料管線。在LIBERO-LONG基準測試中，VLA-ATTC將當前最優模型PI0.5的失敗率降低了超過50%。所有程式碼和權重將開源。該工作由來自澳大利亞和中國的多位學者合作完成，相關論文於2026年5月提交至arXiv。VLA-ATTC不僅提升了任務成功率，還為VLA模型在更廣泛領域中的應用提供了新的思路，尤其在需要謹慎決策的機器人操作任務中具有巨大潛力。未來的工作將探索如何進一步最佳化TTC階段的效率，以及如何將該框架擴充套件到更復雜的多步操作場景。