VLAMotor：通过基于智能体的数据合成，以测试引导方式增强视觉-语言-动作模型
视觉-语言-动作（Vision-Language-Action，VLA）模型遵循数据驱动的范式，其能力受限于训练数据的覆盖范围。当模型部署后遇到训练分布之外的边缘场景配置时，往往容易失败。为缓解这一风险，关键在于主动暴露高质量失败模式，并把由此产生的失败转化为可用于模型增强的监督数据。然而，现有研究大多止步于失败检测，缺乏把已发现失败用于模型修复的机制。
针对这一空白，Zeqin Liao 等九位作者提出 VLAMotor，这是首个面向 VLA 模型增强的分析框架，将距离感知的模型测试与基于智能体的数据合成结合起来。相关工作于 2026 年 5 月 16 日提交至 arXiv，编号 arXiv:2606.00053，属于机器人学（cs.RO）方向，全文约 1,015 KB。
VLAMotor 的流程分为两个主要阶段。第一阶段是失败暴露：框架根据输入与训练样本之间的距离估计不确定性，再把不确定性排序与冗余消除策略相结合，构建出紧凑但覆盖面广的测试集，从而以较低成本触发多样化的失败情形。第二阶段是模型修复：VLAMotor 将失败轨迹抽象为结构化语义表示，规划带参数的修复技能序列，再通过逆运动学与运动执行把这些技能序列落实为可执行的轨迹。成功执行的轨迹会被自动标注，并用于微调原始 VLA 模型，最终得到增强后的 VLA 模型。
作者在四个具有代表性的机器人操作任务上进行了评估。结果显示，VLAMotor 在仿真中生成的测试用例有 92.33% 成功触发了 VLA 模型失败；相比当前最先进的工具，其测试覆盖率提升了 18.93%。利用由失败测试用例衍生的合成数据对 VLA 模型进行微调后，模型的整体成功率进一步提升 49.25%。
更具说服力的是真实硬件上的验证：将经仿真增强后的模型部署到真实设备后，其成功率相比原始 VLA 模型提高了 57.50%。这一结果表明，通过测试暴露失败、再借助智能体合成修复数据的方式，为 VLA 模型的持续增强提供了一条有效且低成本的方向，也说明仿真环境中的失败案例可以转化为真实部署中的性能收益。
值得注意的是，该方法的核心价值在于形成“测试—失败—修复—再测试”的闭环：测试不再只是评估手段，而成为训练数据的来源。对于依赖大规模数据、且难以穷举边缘情况的 VLA 模型而言，这种以失败为驱动的增强思路有望降低数据采集成本，并提升模型在开放环境中的鲁棒性。