Causeway：恢复 VLA 切换指令后的任务可达性

视觉语言动作（VLA）策略可以从标准初始状态执行许多任务，但在另一任务改变机器人的物理状态后，新指令可能会失败。我们研究指令切换，即在执行另一任务期间或之后发出新任务。我们观察到，从标准初始状态可靠完成的目标任务可能无法从先前任务产生的状态访问。我们称这种状态为任务岛。我们提出 Causeway，一种无需训练的推理时间干预。给定目标任务的当前状态和重新进入姿势，Causeway 通过冻结解码计算进行反向传播，并在动作流表示中应用状态定向写入。 VLA 本身解码返回运动，无需参数更新、新的动作头或外部动作生成。在 LIBERO-Goal 上的 71 个跨对象对、三个切换时序和三个 VLA 架构中，Causeway 将裸切换成功率从 3-26% 提高到 47-65%，并将跨模型到达切换邻域的比率提高了 42-72 个百分点。在 LIBERO-Object 和真实 xArm 平台上进行的其他实验表明，无论是在模拟中还是在机器人上，恢复都超出了主要的 LIBERO-Goal 设置。