GeoAAC：VLA 策略中基于几何的自适应动作分块去噪轨迹

动作分块广泛用于视觉-语言-动作（VLA）策略中的动作生成和执行，但现有方法通常使用固定的动作范围。在部署过程中，不同的任务阶段可能需要不同级别的动作连续性、控制精度和闭环反馈，使得固定的范围无法适应不断变化的控制要求。我们提出了 \textbf{GeoAAC}，一种基于几何的自适应动作分块方法，用于基于流的 VLA 策略，根据当前动作预测的可靠性调整动作范围。我们表明，流匹配去噪轨迹的几何形状提供了用于表征预测可靠性的过程级信息，动作前缀之间的几何变化与预测不确定性保持正相关。 GeoAAC 使用这种前缀式几何来构建水平方向的几何轮廓，并在无需额外训练的情况下自适应地确定单代的动作水平。在 LIBERO、LIBERO-Pro、RoboCasa365 和现实世界操作任务上使用 GR00T N1.5 和 π0.5 进行的实验表明，相对于固定动作范围基线和现有自适应方法，GR00T N1.5 和 π0.5 得到了一致的改进，包括模拟高达 8.7 个百分点，现实世界的平均成功率从 53.3% 提高到 74.4%。