冻结 VLA 的恢复控制：复杂纠正器能否胜过简单撤退？

在为冻结的视觉语言动作（VLA）策略部署运行时恢复之前，需要确认干预带来的成功率改善超过普通重复运行的变化，并且复杂方法比简单动作有额外价值。我们在四个 RoboTwin 任务中评测冻结的 $π_{0.5}$。每个测试种子都配对有纠正与无纠正的运行轨迹，并加入同种子基础策略重跑作为安慰剂。按种子聚类的区间和预先指定的比较规则，评估超出随机结果变化的净收益。在3,888组配对回合中，完整流程使 beat_block_hammer 任务成功率提高 $+13.5$\,pp，95\%区间为 $[+9.4,+17.7]$，而所用权重下其余三任务没有可检测的收益。在有响应任务的基础失败回合中，普通重跑有 $43.2\%$ 成功，纠正后为 $63.5\%$；许多名义上的恢复因此反映基础策略自身的波动。固定时刻触发并用脚本退回较早关节配置也带来净收益，两轮中均未检测到与学习流程的差异，但预设等价标准没有始终满足。暂停和恒定动作对照未产生类似改善。在此基准中，是否干预强烈依赖任务；配对安慰剂和简单退回基线是确定学习式纠正贡献的必要对照。