超越外观变化：VLA 模型的任务语义动作校准

视觉-语言-动作（VLA）模型在具身操作方面取得了强劲的表现，但仍然缺乏平衡行为稳定性和任务语义敏感性的明确机制。我们确定了两种互补的故障模式。在任务保留变化下，任务语义保持不变，但场景外观发生变化（例如风格、照明、混乱或释义），策略通常会表现出不必要的动作漂移。相反，在语义破坏性变化下，关键任务语义（例如目标对象或约束）发生改变，策略经常无法产生足够不同的行为，而是遵循原始轨迹。为了解决这一差距，我们提出了 BAS-VLA，这是一种建立在冻结基础 VLA 之上的任务语义动作校准框架。 BAS-VLA采用以断裂为中心的校准核心作为默认路径，并引入选择性证据门控保留辅助，仅在检测到干扰变化且任务语义保持一致时才激活。在 OpenPI-pi0.5 / LIBERO-Object Milk-Swap 基准上，BAS-VLA 在干净（98.0％）和语义保留条件（97.5％）上保持很高的成功率，同时在有意的目标-对象交换下将干净标准成功率降低到 0.0％，表现出强大的过时任务抑制和任务语义分离。在经过验证的风格保持转变中，它可以将成功率从 42% 提高到 70%，而不会降低清洁性能。这些结果强调，可靠的 VLA 行为需要超越外观鲁棒性，转向明确的任务语义动作校准。