RouterVLA：用于不断增长的 VLA 池的预算调试和专家培训

机器人团队通常会维持多种视觉-语言-行动策略，但仍然部署一个全球获胜者。我们研究两个反复出现的决策：针对新情况部署哪位专家以及将哪位候选人添加到人才库中。 RouterVLA 将分割干净的先前探测和结果不相交的探测与载入相结合，仅记录现有池无法处理的故障。在成本完全匹配的探测预算下，它达到了 60.53\% 的成功率，比语义入围名单增加了 $+1​​.64\pp$。这两个标准独立地集中于相同的五位专家，证实最有能力覆盖基础池盲点的候选人也具有广泛的能力。