VLA-Corrector：阶段感知可观察状态理解，用于视觉-语言-行动策略的基于提示的闭环恢复

使用视觉-语言-动作（VLA）策略的长视野机器人操作仍然容易受到执行时间偏差的影响，因为最终任务的成功几乎无法提供用于诊断和纠正由动作噪声、物体位移或目标未对准引起的故障的信息。我们引入了阶段感知故障验证和提示恢复框架，无需参数更新或特权模拟器状态即可对固定 VLA 策略进行闭环修正。该框架引入了一个基于可观察历史的学习验证器，它通过对多视图视觉观察、本体感受状态和执行动作进行时间建模来联合估计操纵进度和执行风险。为了提供可解释的任务理解，我们通过语义进展阶段来表示操作执行，包括接近、对齐、抓取、传输和放置，并识别特定于阶段的故障模式。在检测到异常执行时，框架会保留原始指令并生成阶段条件恢复提示，允许相同的冻结 VLA 策略产生纠正操作。对 LIBERO 和 LIBERO Plus 的广泛多轮评估表明，所提出的方法大大提高了不同扰动下的闭环可靠性。在不访问特权对象或目标坐标的情况下，学习验证器在评估的设置中实现的恢复性能接近基于特权规则的验证器。这些结果表明，可观察的视觉本体感受动作历史足以推断潜在任务状态并实现现有 VLA 策略的实际故障恢复。