VLA监督目标分配研究：辅助目标优于纯动作预测

2026年10月16日，arXiv Robotics 刊出 Haitao Shen 等作者的论文《机器人策略该学什么预测？VLA 学习中的监督目标再思考》。研究构建统一 VLA 框架，用双流多模态扩散 Transformer（MMDiT）加样本级路由器，把每个训练样本显式分配给动作预测或辅助目标。作者提出的问题是：在固定预算下，把相当比例的样本分配给辅助目标而非继续做动作预测，能否改善策略学习。在 LIBERO、CALVIN 和四个真实机器人任务上，同等预算下合适的潜在动作（LA）与未来视觉（FV）监督优于纯动作训练，即使动作预测最多只占一半样本；FV 总体优于 LA，但最强 LA 目标在 CALVIN 上仍有竞争力。该报道为本事件首篇，暂无后续跟进报道，亦无与早先报道矛盾之处。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。