事后不确定性头让单个SmolVLA策略识别未知情境的能力与双策略集成相当，评分速度最高快约50倍（莱比锡大学ICCAS）
德国莱比锡大学ICCAS研究团队在一个已训练好的SmolVLA机器人策略上加装轻量高斯过程头，用来评估情境的陌生程度，预印本论文显示其在挑选需补充采集的示范时与双策略集成相当，评分时间最多缩短约50倍。由该头引导的主动学习在LIBERO-10上经15轮后成功率达65.7%，随机采集为54.7%。
视觉语言动作策略能否不训练、不运行第二个策略，仅凭自身内部嵌入估计知识盲区，并据此决定何时请求示范或求助？
部署后的VLA不断遇到训练数据未覆盖的场景和指令。只有知道自己不懂，才能请求新示范或交给人类处理，但常用信号即独立训练策略之间的分歧，会使训练和推理成本翻倍。
VFD、GU、动作L2距离和DECU等集成分歧评分需要两个训练好的策略；单一策略的熵或VLM困惑度主要反映偶然噪声，与成功率相关性弱。Römer等人的SAVE流程用此类评分进行多任务示范采集。
核方差头在冻结策略提取的训练示范嵌入上拟合高斯过程，把新观测的后验方差作为认知不确定性输出，嵌入取自视觉语言主干（KV-Ctx）或动作解码器（KV-Dec）。拟合无需标签和梯度更新，策略本身保持不变。按模态划分的头还能指出是相机画面、指令还是机器人状态陌生。
在SmolVLA与LIBERO-10上（3个随机种子），KV-Ctx与任务成功率的相关系数为Spearman -0.77、Pearson -0.82，最佳集成评分VFD为-0.75和-0.64。SAVE示范采集15轮后，KV-Ctx成功率65.7%，GU集成64.4%，VFD 61.9%，随机54.7%；KV-Ctx的75次请求全部获得新示范，VFD为69.3个，随机为46.3个。每轮额外开销KV-Ctx约1.0 GPU分钟，GU集成为44.6 GPU分钟；评分最多快约50倍，准备时间最多快约44倍。简单的示范计数在全局转交上与所有评分持平。
该论文为预印本。作者表示只在一种架构（SmolVLA）、一个仿真基准和3个种子上测试，真机和其他VLA尚未验证，每种条件仅执行3次，成功率噪声较大。方差衡量的是所选嵌入空间中的数据覆盖，不保证反映对动作选择重要的差异；作者还指出常用的LIBERO-10评估主要奖励识别任务间覆盖差异，而非任务内风险排序。
对运营大批VLA机器人的企业而言，每轮只需约1个GPU分钟、无需第二个策略的不确定性信号，使把不确定时刻转交远程操作员、并把示范采集集中到模型薄弱处变得可行。国内依赖大规模遥操作数据工厂的具身智能企业，可借此决定采集优先级。示范计数即可匹敌学习型评分的结果，也提醒厂商谨慎宣传置信度功能。
论文全文
本文依据 CC BY 4.0 许可发布，全文经署名以英文转载：阅读全文（英文）。原文见 arXiv:2610.29730（PDF）。