ProbeAct：视觉-语言-动作模型中探针引导的 无需训练 故障恢复

视觉-语言-动作 (VLA) 模型在其训练分布 2 内的语言条件机器人操作方面表现出强大的性能 1，但其泛化能力仍然受到根本限制。它们缺乏处理扰动所需的鲁棒性，当 con-4 面临光照变化、摄像机视角改变或初始状态变化较小时，它们经常会失败。我们提出 PROBEACT，一种 无需训练 运行时干预框架 6 工作，可检测 7 岁之前训练的 VLA 策略中的抓取和放置失败并从中恢复，而无需修改其权重或需要额外的8演示。 PROBEACT 结合了三个组件：(i) 轻量级多 9 目标隐藏状态探针，可根据中间 VLA 特征预测任务相关对象 10 的 3D 位置，并针对 11 多对象场景进行匈牙利匹配的身份跟踪； (ii) 与物体无关的运动学状态机，仅使用夹具内部信号和末端执行器运动学来检测抓取、运输和放置故障； (iii) 分层控制屏障函数 (CBF)14 过滤器，将重复故障位置编码为软安全设置约束，mini-15 主要纠正 VLA 操作，同时保留基线行为。作为即插即用的 无需训练 干预循环，PROBEACT 与现有的 train-17 ing 管道正交。根据 LIBERO-plus 基准进行评估，我们的框架充当18通用安全网，将 OpenVLA-OFT 模型19的成功率从 69.6% 提高到 74.1%，同时展示了对基础和微调 VLA 策略的广泛适用性。