想象恢复：视觉-语言-动作模型的推理时间反事实调整

视觉-语言-动作（VLA）模型提高了机器人操作的灵活性和通用性，但它们仍然容易受到在线干扰的影响，例如任务目标、场景配置或机器人状态的变化。现有的恢复方法通常需要故障数据、策略重新训练或外部纠正代理，从而引入额外的数据要求和执行风险。我们提出了 Counterfactual Realignment (CoRe)，这是一种 无需训练 框架，可以在推理时恢复冻结的 VLA，而无需故障数据。在检测到偏差后，CoRe 会使用综合观察代替物理执行，想象策略如何从最近的可行状态继续实现当前目标，然后最小限度地重新调整机器人和场景，以重新加入这个想象的延续，然后再将控制权返回给策略。因此，恢复计划无需物理试错，保留已完成的任务进度，并以统一的方式处理中间的指令更改和物理扰动。跨多个模拟器、VLA 主干和现实世界设置的大量实验表明，CoRe 将成功率提高了 85.0 个百分点，达到接近标称水平，同时将物理修复减少了 42.2%，无需策略 微调 或特定于故障的恢复训练。