SentryVLA：面向视觉-语言-动作机器人控制的不确定性引导动作选择与状态监测
研究团队提出 SentryVLA，一种面向冻结 VLA 策略的轻量级运行时封装器，无需重新训练或修改底层模型架构。该方法在动作层面用保形分位数回归估计采样动作与专家式行为之间偏差的校准上界，并据此对多个随机候选动作排序以完成动作选择；在执行监测层面，对最终动作预测前提取的上下文化潜在执行状态计算基于马氏距离的异常分数，用于闭环控制中检测异常执行状态。仿真与实体机器人实验显示，该方法改进了动作选择，并能提供有用的运行时异常警告信号。
发布于 10-27 12:58来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《SentryVLA: Uncertainty-Guided Action Selection and State Monitoring for Vision-Language-Action Robotic Control》查看原链
arXiv:2604.16677v2 公告类型：替换 摘要：视觉-语言-动作（VLA）模型已成为将视觉观测和语言指令映射为连续动作的通用机器人控制器。 然而，预训练 VLA 通常对其生成动作的可靠性提供有限信息，这使得在必须预判执行失败时的部署颇具挑战。
我们通过引入 SentryVLA 来解决这一问题，它是面向冻结 VLA 策略的轻量级运行时封装器。 在动作层面，SentryVLA 使用保形分位数回归来估计在校准分布下采样 VLA 动作与专家式行为之间偏差的校准上界。 预测偏差随后用于对多个随机候选动作进行排序以完成动作选择。
在执行监测层面，SentryVLA 对最终动作预测前提取的上下文化潜在执行状态应用基于马氏距离的异常分数，为闭环控制期间检测异常执行状态提供互补信号。 该框架不需要对底层 VLA 策略进行重新训练或架构修改。 仿真和实体机器人实验表明，SentryVLA 改进了动作选择，并为异常执行状态提供了有用的运行时警告信号。
这些发现证明了事后可靠性评分在改善预训练 VLA 策略运行时行为方面的实用价值。 项目网页：https://robotic-vision-lab.github.io/sentryvla/。