PAMAE：具有阶段意识的 MoE 行动专家致力于实现可靠的流程匹配愿景-语言-行动政策

对于视觉-语言-动作 (VLA) 模型来说，多级机器人操作的可靠动作生成仍然具有挑战性。虽然现有的流量匹配 VLA 策略提供了强大的多模式基础和泛化能力，但它们通常采用单个共享操作专家，从而限制了它们跨不同执行阶段捕获特定阶段控制模式的能力。我们提出了一个即插即用的阶段感知混合专家动作模块（PAMAE），作为迈向更可靠的阶段一致动作生成的一步。 PAMAE 用稀疏专家混合物取代了原始的流匹配动作专家，同时保留了预训练的 VLA 主干。 PAMAE 引入了阶段感知路由器，它利用执行阶段线索在专家之间分配动作生成，并由轻量级阶段预测头和路由对齐目标支持。为了稳定专业化，我们采用两阶段训练方案，首先在标准流匹配损失下预热专家模块，然后在辅助监督下优化阶段一致路由。在多阶段操作模拟任务中，PAMAE 比强大的 VLA 基线提高了高达 \textbf{9.2\%} 的任务成功率。进一步的消融表明，阶段监督路由和分阶段优化对于观察到的增益至关重要。我们的结果强调了阶段一致的专家分配是提高流量匹配 VLA 策略的可靠性和行动质量的有效机制。