将不确定性转移至关键时刻：面向 VLA 模型的可靠不确定性量化
机器人学
2026-03-20 v1 人工智能
机器学习
摘要
视觉-语言-动作（VLA）模型通过将视觉观测和语言指令映射到低层动作，实现通用机器人策略，但往往缺乏可靠的内省能力。常见做法是计算 token 级别的不确定性信号并对整个 rollout 求平均。然而，平均聚合会稀释连续控制中短暂但可能危及安全的不确定性尖峰。在特定情况下，成功的 rollout 可能包含因良好噪声或非关键微调而产生的局部高熵段，而失败的 rollout 大多数时刻可能呈现低熵，仅在失败开始附近出现短暂尖峰。我们提出了一种统一的不确定性量化方法，用于预测 rollout 成功与否， (1) 使用基于最大值的最大池化保留瞬时风险信号， (2) 应用运动感知稳定性加权以强调与不稳定行为相关的高频动作振荡， (3) 通过贝叶斯优化实现自由度自适应校准以优先处理运动学关键轴。LIBERO 基准上的实验表明，我们的方法显著提高了失败预测准确性，为人机协同干预提供了更可靠的信号。
引用
@article{arxiv.2603.18342,
title = {Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model},
author = {Yanchuan Tang and Taowen Wang and Yuefei Chen and Boxuan Zhang and Qiang Guan and Ruixiang Tang},
journal= {arXiv preprint arXiv:2603.18342},
year = {2026}
}