R2A：用运动基元图检索提升VLA鲁棒性

R2A 用训练示范的运动基元图检索提升 VLA 的 OOD 鲁棒性。

资讯摘要

论文提出 Retrieve to Act（R2A），一种测试时扩展框架，将视觉-语言-动作（VLA）策略在分布外视觉偏移下的鲁棒性问题转化为几何运动基元检索问题。该方法把成功训练示范组织为离线时空运动基元图，推理时用查询相关的图神经网络定位机器人当前执行位置并检索结构兼容的未来运动基元，再通过逐维门控机制与冻结 VLA 的预测动作融合。作者报告在 GR00T N1.7、π_(0.5) 和 StableVLA 上，仿真基准成功率最高提升 12%，真实部署提升 40%，且无需微调基座策略。

要点速读

1. R2A 将 OOD 鲁棒性建模为运动基元图上的几何检索，绕开脆弱的视觉特征。
2. 推理时由图神经网络定位当前执行并检索未来运动基元，经逐维门控与冻结 VLA 动作融合。
3. 作者报告在 GR00T N1.7、π_(0.5)、StableVLA 上仿真成功率最高 +12%、真实部署 +40%，无需微调。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。