更少的步骤，更好的行动：重新思考 VLA 策略的流量匹配推理

基于流匹配的视觉-语言-动作（VLA）策略通过动作专家的重复评估生成动作块。增加集成步骤的数量会增加推理成本，但不一定会提高闭环成功率。我们提出 Coda，它将部分集成预算重新分配给单个学习端点校正。冻结的政策首先完成从噪音到行动的几步轨迹；然后，轻量级 Transformer 使用候选动作、源噪声和共享观察前缀缓存来预测演示监督残差。只有校正员接受过培训。在 50 个 RoboTwin Easy 任务中，五步 Coda 比匹配的五步基线将成功率从 71.64% 提高到 74.68%，同时相对于默认的十步策略将前向延迟减少了 30.2%。两步配置实现了 71.88% 的成功率，加速率为 2.12$\times$。独立的 13 任务控制在几乎相同的延迟下显示出 5.69 个百分点的增益，支持校正作为额外集成的有效替代方案。同样的设计还改进了冷冻官方SmolVLA，将两步成功率从60.8%提高到69.4%。这些结果表明，端点校正改善了冻结流匹配策略的质量与延迟权衡。