让 π0.5 学会呼叫 Astra

论文：Make π0.5 Learn to Call Astra for Reliable Robot Manipulation（arXiv:2610.14117v1）

作者：Jianli Sun、Chengxiang Li、Yonglin Tian

机构：中国科学院自动化研究所；三亚学院信息与智能工程学院

代码：KykGeek/Pi05_CALL_Astra，采用 MIT 许可证。仓库提供控制、交接、恢复以及 Astra 执行适配代码，但不包含 π0.5 权重、OpenPI 运行环境、已训练的 CALL 头、模型凭据或复现实验产物。

一句话总结

这项工作冻结 π0.5，只训练一个约 48 万参数的本地点火器，用策略自身的语义特征、动作特征以及机器人与动作块统计量预测“现在是否需要外部推理”，再把少数高风险状态交给 GPT-6 Astra 进行闭环纠错，从而在 200 个 LIBERO 回合中把成功率从 95.5% 提升到 97.5%。

研究背景与动机

大型推理模型进入机器人操作后，最直接的使用方式是把视觉观察、任务指令和机器人状态持续送入外部模型，让它逐步给出动作或审核策略提案。这种方式能够利用丰富的世界知识和长程推理，但也把一个原本可以在本地高频运行的控制回路，变成了依赖网络、上下文构建和模型生成速度的昂贵回路。

π0.5 一类视觉语言动作模型（Vision-Language-Action，VLA）解决的是另一侧的问题：它可以直接从感知与语言产生动作块，通常能够快速完成常规操作。不过，通用策略仍会在对象关系复杂、接触状态变化或执行轨迹偏离时失败。论文引用的既有实验表明，让 Astra 持续审核 π0.5 的动作提案可以提高混合系统成功率，但每一次提案都查询外部模型，会让正确提案也承担相同开销。

本文的问题因此不是“外部推理是否有效”，而是“怎样把外部推理限制在真正需要的时刻”。作者将系统拆成三个角色：π0.5 是默认执行者；CALL 是轻量级能力不足检测器；Astra 是被呼叫的恢复专家。正常状态下，CALL 与 π0.5 共用一次前向传播，不产生额外模型调用；只有触发器点火后，环境控制权才发生转移。这个设计把“策略速度”和“推理能力”从互斥的二选一，变成一条有明确交接边界的分工链。

这种分工还带来一个容易被忽略的评价问题。只看最终成功率，无法判断系统是不是频繁呼叫外部模型；只看 token 数，又会掩盖恢复动作是否真的推进了环境。论文同时记录五类指标：任务成功率、发生咨询的回合数、实际执行 Astra 动作的回合数、Astra 执行的环境步占比，以及端到端动作吞吐。这样的指标体系能区分“检测器发出请求”和“外部模型真正接管”，对选择性干预研究尤其重要。

论文的核心假设是，π0.5 在失败前并非完全没有信号。策略的视觉语言前缀表示、动作 token 表示、机器人本体状态以及即将执行的动作块统计量，可能共同编码了当前提案是否稳定。如果这些内部量和任务结果之间存在可学习关系，就不必调用另一个大模型来判断是否需要大模型。CALL 正是这一假设的实现：它不替代 π0.5，也不生成动作，只判断当前策略是否值得被继续信任。

预备知识：动作块、漂移与能力标签

论文使用 OpenPI 的 pi05_libero 检查点作为冻结基础策略。一次查询会产生形状为 $10\times 7$ 的动作块，系统默认消费其中五个动作，然后再次查询策略。一个动作块是一个短期计划，而不是十个彼此独立的分类结果；因此，检测当前状态是否危险时，只观察机器人状态还不够，还要观察“策略准备怎样行动”。这解释了为什么 CALL 的辅助输入包含整个动作块的均值、标准差、范数、首尾动作及首尾差值。

“帮助标签”并非人工标注的失败类别。给定一个仿真器保存状态，作者让 π0.5 在不呼叫 Astra 的情况下继续执行剩余的 $M$ 次独立试验，并记录成功次数 $K$。若从该状态继续完成任务的能力记为 $q_\pi$，则能力估计与帮助目标分别是

$$ q_\pi=\frac{K}{M}, $$ $$ y_{\mathrm{help}}=1-q_\pi. $$

这两式把“是否需要帮助”转成连续概率：若十次试验全部成功，帮助目标为零；若十次全部失败，帮助目标为一；只成功部分次数时，标签保留中间值。训练数据来自 LIBERO-Recovery 的失败状态、失败前轨迹和保存的仿真器状态，也加入 π0.5 正常推进时的状态，以避免检测器只认识危险样本而不知道常态是什么。

离线数据按任务划分训练、早停、校准和测试集合，共包含 37 个留出任务折与 5,055 个能力状态样本。这个“按任务留出”的切分比随机拆分状态更严格，因为它减少了同一任务轨迹同时出现在训练和测试中的泄漏风险。运行时部署 37 个任务专用 CALL 头，并保留两个套件级后备头；已知任务优先使用专用头，未知任务退回套件头。

方法详解：从冻结表示到选择性交接

图 1：论文的方法总览。(a) CALL 复用冻结 π0.5 的特征决定是否交接；(b) 用反事实继续试验构造能力标签；(c) 腕部相机展示一次执行、触发、Astra 恢复、返回策略并最终完成任务的真实过程。

1. 三路特征构成 3116 维输入

CALL 不重新编码图像和语言，而是通过特征钩子复用 π0.5 的中间表示。输入向量定义为

$$ \begin{aligned} x &= [h_{\mathrm{sem}};h_{\mathrm{act}};u],\\ \dim(x) &= 2048+1024+44=3116. \end{aligned} $$

其中，$h_{\mathrm{sem}}$ 是最终视觉语言前缀表示的掩码均值，维度为 2048；$h_{\mathrm{act}}$ 对最终动作 token 表示做池化，维度为 1024；$u$ 是 44 维辅助量，包含八个机器人状态值与 36 个动作块统计值。这里的拼接并非简单地“把所有张量都喂给分类器”，而是明确地把任务与场景语义、策略计划以及当前本体状态分成三路，后续再通过独立投影控制每一路的尺度。

动作统计量的构造与代码严格对齐。对一个 $10\times 7$ 动作块，代码分别计算每个动作维度的均值和标准差，共产生 $7+7=14$ 个数；再计算整个 70 维动作块的 L2 范数，加入第一个动作、最后一个动作和首尾差值，每项各七维。于是辅助动作统计共有

$$ 14+1+7+7+7=36 $$

个数值，再加上八个机器人状态值，就得到 44 维的 $u$。首尾差值让检测器能看到短期计划是否在快速转向，范数提供整体动作幅度，均值和标准差描述每个自由度的集中程度。相比只输入当前关节位置，这种表示更接近“策略是否正在做出异常计划”的诊断信号。

2. 轻量三支路评分头

三个输入分支分别映射为 128、128 和 64 维，拼接后得到 320 维表示。该表示依次通过 LayerNorm、256 单元线性层、GELU、LayerNorm 和单标量输出。CALL 头只有 479,937 个可训练参数，相对于底层 VLA 和外部 Astra 都很小。它没有复制 π0.5 的视觉编码器，因此不需要在模拟器每一步重新处理原始图像；它读取的是基础策略已经算出的表示。

分支	输入维度	投影维度	作用
语义表示 $h_{\mathrm{sem}}$	2048	128	编码任务、场景与视觉语言上下文
动作表示 $h_{\mathrm{act}}$	1024	128	编码当前动作计划的内部状态
状态与动作统计 $u$	44	64	编码本体状态、动作幅度与首尾变化
拼接投影	320	256	融合三路信号并输出标量

原始标量 $z_\theta(x)$ 经过温度校准后变成帮助概率：

$$ p_{\mathrm{help}}=\sigma\!\left(\frac{z_\theta(x)}{T}\right). $$

温度 $T$ 不应被理解为模型难度参数，而是一个在评估前校准的概率尺度。不同任务头和不同套件的数据分布并不相同，若直接使用未校准 logit，固定阈值可能在不同任务上产生截然不同的触发频率。论文分别校准普通阈值、硬阈值和温度，目的是让“概率超过阈值”在任务之间具有更稳定的操作含义。

3. 硬阈值与 4/5 时间确认

单次高分可能是瞬时噪声。若每一个略微升高的分数都触发 Astra，系统会重新落入频繁咨询的老问题。CALL 因而使用两种并行触发条件：极高分数可越过冷却与确认，立即交接；普通高分必须在最近五次查询中至少出现四次，才判定为持续需要帮助。形式化地，

$$ \begin{aligned} \mathrm{CALL}_{t} ={}& \left[p_{t}\geq\tau_{\mathrm{hard}}\right]\\ &\lor \left[\sum_{j=0}^{4}\mathbf{1}(p_{t-j}\geq\tau)\geq 4\right]. \end{aligned} $$

左侧的硬阈值用于处理迅速恶化、等不到四次确认的紧急状态；右侧的四分之五规则用于吸收单帧波动。每次触发后，系统进入六个查询的冷却期，防止连续交接造成控制权抖动。正常执行时，每次策略查询后消费五个动作，因此触发器的时间粒度不是仿真器单步，而是策略重规划周期。这个实现细节决定了检测延迟和计算节省之间的折中。

flowchart LR
    O[External and wrist observations] --> P[Frozen pi0.5 policy]
    P --> A[10x7 action chunk]
    P --> S[Semantic feature h_sem]
    P --> H[Action feature h_act]
    A --> U[State plus 36 action statistics]
    S --> C[3116-D CALL head]
    H --> C
    U --> C
    C --> Q{Calibrated help score}
    Q -->|CONTINUE| E[Execute five pi0.5 actions]
    Q -->|Hard threshold or 4 of 5| X[Clear remaining action queue]
    X --> R[Astra observes and reasons]
    R -->|30 to 50 EEF corrections| V[Execute recovery chunk]
    V --> F[Refresh observation and proposal]
    F --> R
    R -->|Return control| G[Fresh pi0.5 proposal]
    G --> P
    E --> P

4. 交接不是一次函数调用，而是控制权协议

论文强调，在切换给 Astra 前，宿主必须清空 π0.5 动作队列里尚未执行的动作。若旧动作继续泄漏到外部模型接管阶段，恢复轨迹会混合两种控制器，后续状态与日志也无法归因。Astra 接收外部相机与腕部相机图像、任务指令、测量到的机器人状态、原始 π0.5 提案以及执行历史；它可以给出末端执行器（EEF）修正，也可以直接判断当前状态已可返回策略。

一次实际接管中，Astra 可以输出 30 至 50 个连续的单步 EEF 修正。宿主按顺序执行整个动作块，每个修正消耗一个 LIBERO 环境步；块执行完成后，宿主刷新观察和新的 π0.5 提案，再由 Astra 决定继续恢复还是交还控制权。这个“有界块加刷新”的协议限制了外部模型单次决策的作用范围，避免它在陈旧观察上无限生成长动作序列。

返回策略也不是无条件跳转。恢复执行器只有同时具备完成状态、可恢复标记、连续一致的环境步编号、双侧视觉观察以及有限机器人状态时，重入闸门才允许 π0.5 接管。任务成功时不再重入；恢复未完成或恢复结果声称“可返回”但缺少同步检查点时，系统保持交接状态。这样的保守策略意味着偶发额外停机，换来的是不会把陈旧动作当作已恢复状态继续执行。

5. 公开代码与论文组件的对应关系

公开仓库把 CALL 头的维度与三支路结构直接写在 models/call_astra_v1_head.py。下面的代码片段对应第 2.1 节：2048、1024、44 分别进入 128、128、64 的线性投影，拼接后再进入 256 维主体。

SEMANTIC_DIM = 2048
ACTION_DIM = 1024
STATE_STATS_DIM = 44
_BRANCH_OUTPUT_DIMS = {"semantic": 128, "action": 128, "state": 64}

self.body = nn.Sequential(
    nn.LayerNorm(body_input_dim),
    nn.Linear(body_input_dim, hidden_size),
    nn.GELU(),
    nn.LayerNorm(hidden_size),
)
self.help_head = nn.Linear(hidden_size, 1)

models/action_statistics.py 则把论文中的 36 个动作统计量实现为强形状约束：输入必须是有限的 $10\times 7$ 动作块，输出必须恰好是 36 维。这个检查比“平均池化后交给 MLP”更严格，因为一旦动作块长度或维度变化，训练时学到的位置语义就会错位。论文文字中的首动作、尾动作、差值、均值、标准差和范数，都能在该函数中找到逐一对应。

控制器一侧，models/call_controller.py 在每次策略查询时产生动作块、计算帮助分数并执行决策。若继续，则执行回到动作块；若呼叫，则构造交接请求，其中包含任务指令、回合编号、策略查询序号、环境步、观察快照、机器人状态、仿真器状态、原动作块、冻结特征、帮助分数、阈值与最近分数窗口。这样交接对象本身就是可审计的现场记录，而不是只传一个布尔值。

6. 为什么这种结构节省计算

CALL 的主要开销已经隐含在 π0.5 前向传播中。语义表示和动作 token 表示原本就会被计算，三支路 MLP 只增加很小的矩阵乘法；动作统计也可以在动作块产生后线性完成。正常回合没有 Astra 请求，因此上下文组装、网络传输、外部模型推理、工具调用和输出 token 都被完整跳过。论文报告的无交接路径保持接近基线的吞吐，正是这种结构设计的直接结果。

不过，“本地检测”不等于“零延迟”。策略仍然需要计算 3116 维特征、运行评分头并维护时间窗口。四分之五规则还必须跨多次查询积累证据，因此可能把本来很快失败的状态拖到下一至数个重规划周期才触发。论文用成功率、触发率和连续试验共同评价检测器，而不是只报告一个离线分类准确率，这一点比单纯证明“帮助概率可预测”更有工程意义。

实验设置与主要结果

实验覆盖 LIBERO-10、Object、Goal 和 Spatial 四个套件，每个套件十项任务，每项任务五个回合。纯 π0.5 和混合系统各完成 200 个回合。任务成功、交接、Astra 动作、token 和吞吐均在相同评估框架中记录；所有回合使用仿真器，机器人与环境均为 LIBERO 标准接口。

总成功率从 191/200（95.5%）提升到 195/200（97.5%），绝对增加两个百分点。这个总提升全部来自 LIBERO-10 的 43/50 到 47/50。其余三个套件中，纯 π0.5 原本已分别达到 50/50、49/50 和 49/50，混合系统没有改变成功数。因此，本文的主要收益不是“所有任务全面上涨”，而是在最难套件中补回了四个失败回合。

套件	纯 π0.5	Astra + π0.5	差值	解释
LIBERO-10	43/50（86%）	47/50（94%）	+8 个百分点	主要增益来源
Object	50/50（100%）	50/50（100%）	0	基线已饱和
Goal	49/50（98%）	49/50（98%）	0	维持原水平
Spatial	49/50（98%）	49/50（98%）	0	维持原水平
总计	191/200（95.5%）	195/200（97.5%）	+2 个百分点	净增四个成功回合

图 2：论文的任务成功与实际 Astra 干预统计。左栏比较成功率，右栏区分发生 Astra 动作的回合比例与 Astra 执行的环境步比例。

成功率表需要与干预表一起读。系统在 61/200 个回合中咨询 Astra，但只有 13/200 个回合真正执行了 Astra 动作。换言之，48 个回合虽然发生交接，Astra 查看现场后直接交还 π0.5，没有接管任何环境步。所有回合合计执行 4,561/36,654 个 Astra 环境步，占 12.44%；其余 87.56% 仍由 π0.5 动作完成。

套件	咨询回合	Astra 动作回合	Astra 步数	环境步占比
LIBERO-10	31/50	9/50	3,485	20.43%
Object	19/50	1/50	132	1.86%
Goal	8/50	2/50	560	8.97%
Spatial	3/50	1/50	384	6.14%
总计	61/200	13/200	4,561	12.44%

三个较容易套件合计只在 4/150 个回合中执行 Astra 动作，Astra 只承担 1,076/19,592 个环境步，步占比 5.49%。这说明选择性干预在 Object、Goal 和 Spatial 上确实接近“正常执行不打扰外部模型”的目标。LIBERO-10 的咨询和动作占比明显更高，也符合该套件任务更长、基础策略更易失败的事实。

作者进一步保存了 CALL 第一次请求帮助的 59 个状态，以及 Astra 真正执行第一个恢复动作前的 13 个状态，并用纯 π0.5 从每个状态继续五次。两组共享六个状态，共 66 个不同状态和 330 次试验。第一次 CALL 状态的无帮助成功率为 229/295（77.63%），实际动作前状态进一步降到 33/65（50.77%）。这说明触发点确实集中了更多困难状态，但检测器仍会在部分可完成任务上发出请求。

对照对象	样本	纯 π0.5 继续成功率
没有发生 Astra 咨询的回合	139 个回合	139/139（100%）
没有执行 Astra 动作的回合	187 个回合	187/187（100%）
第一次 CALL 状态	59 个状态	229/295（77.63%）
Astra 首个动作前状态	13 个状态	33/65（50.77%）

这种“分层对照”比只看平均成功率更有信息量。它表明系统没有在明显成功的常规状态中频繁呼叫 Astra，同时也暴露了 LIBERO-10 内部的差异：该套件第一次 CALL 状态的纯策略继续成功率只有 103/150（68.67%），实际动作前为 25/45（55.56%）；而在 Object 的第一次 CALL 状态中，纯策略仍能完成 91/95（95.79%）次继续试验。两类状态的语义风险显然不同。

Object 是论文最重要的反面案例。它有 19/50 个回合发生咨询，占 38%，但纯 π0.5 在第一次 CALL 状态的继续成功率高达 95.79%，最终只有一个回合真正执行 Astra 动作。作者把这归因于 Object 任务较简单、场景相对同质，以及训练数据中失败状态可能过度代表。这个现象说明 CALL 学到了“像失败数据的状态”，而没有完全学到“外部恢复会带来净收益的状态”。

Token 成本与动作吞吐

论文统计 Astra 的输入、输出和总 token。总使用量为 2,985,877 个输入 token 与 190,360 个输出 token，合计 3,176,237 个 token。按每个套件 50 个测试回合归一化，LIBERO-10 平均每回合 48,443.82 个 token，Object 为 1,985.70，Goal 为 8,004.70，Spatial 为 5,090.52，总体为 15,881.19。LIBERO-10 的高成本与其 31 次咨询和 3,485 个 Astra 环境步直接相关。

若只看 Object、Goal 和 Spatial，三个套件合计约 5,027 token/回合。它们仍保持 100%、98% 和 98% 的成功率，说明在较容易任务上，系统能够在大幅降低外部推理使用的同时保持结果。输入中有 2,346,403 个 token 通过提示缓存复用，输出中包含 35,648 个推理 token；缓存降低了计费和延迟压力，但没有改变每次咨询仍要发送当前视觉与执行上下文的本质。

吞吐指标揭示了 token 统计无法表达的时间成本。纯 π0.5 总体达到 8.25 环境步/秒，CALL 开启且没有 Astra 交接的 139 个回合为 7.83 步/秒，所有混合回合平均只有 2.58 步/秒。各套件无交接路径也基本接近纯策略，例如 Goal 为 8.25 对 8.17，Spatial 为 6.94 对 6.79。交接回合则因为外部推理、上下文刷新和恢复执行而显著变慢。

套件	Astra token/回合	纯 π0.5 吞吐	无交接混合吞吐	全部混合回合吞吐
LIBERO-10	48,443.82	8.84	8.11	1.93
Object	1,985.70	8.54	8.35	4.06
Goal	8,004.70	8.17	8.25	2.97
Spatial	5,090.52	6.79	6.94	4.07
总体	15,881.19	8.25	7.83	2.58

图 3：左图为每测试回合的 Astra token 对数分布；右图比较纯 π0.5、无交接混合路径和全部混合回合的动作吞吐。

因此，这项工作的“快”需要加上限定条件：普通路径快，接管路径慢。系统通过减少接管比例，把高延迟限制在少数回合中；但一旦 Astra 开始生成长恢复动作，整个回合的墙钟时间仍会成倍增加。对真实机器人而言，这种延迟可能影响动态环境、人工监督体验和安全回退，因此吞吐结果应被看作选择性干预的代价，而不是被总体成功率掩盖的细节。

从部署角度看，最应该优化的是 Object 一类“咨询很多、动作很少、继续执行又往往能成功”的区域。若能让 CALL 更好地区分“状态看起来接近失败”与“Astra 的行动能够改变结局”，就能减少只进行上下文检查而不行动的咨询。论文的 48/61 个零动作交接说明，外部模型在不少现场只充当复核器；这类咨询仍有诊断价值，但也会消耗显著的 token 和等待时间。

方法价值与边界条件

这项工作最值得借鉴的地方，是把“何时调用外部智能”当成独立学习问题，而不是在提示词中写一条笼统规则。CALL 使用策略内部表示和动作统计，输入成本低；交接协议清空队列，防止残留动作污染；恢复路径使用有界 EEF 块；返回策略要求完整同步状态。每个环节都针对一种具体失控风险，而不是仅靠模型自我声明“我已经恢复好了”。

同时，CALL 的训练目标衡量的是 π0.5 在保存状态上的继续成功率，而不是 Astra 介入后的净收益。它能学出状态困难度，却不一定能学出恢复收益。Object 的高触发率正说明这个差别：一个状态的继续成功率可能已经很高，但训练集里相似视觉构型经常出现在失败数据中，导致帮助概率偏高。若未来把标签改为“Astra 接管相对继续策略的因果增益”，检测器会更直接地优化资源分配。

论文的交接设计也有可迁移性。真实机器人系统中，控制器切换常见的问题是旧指令、旧观察和旧规划混在一起；这里通过动作队列清理、快照传递、恢复块边界和重入校验，建立了明确的所有权转移。即使外部专家不是 Astra，这些协议同样适用于人类遥操作、云端规划器或另一个专用恢复策略。

但当前证据仍属于仿真闭环。LIBERO 的动作接口、相机位置、成功判定和任务长度都有统一规范，真实机器人会额外面对传感器遮挡、标定误差、通信中断、执行器延迟与不可逆碰撞。论文没有在实体平台上测量安全恢复率，也没有报告网络抖动或外部服务失败时的退化行为。代码虽然包含受控执行和返回门禁，但这些机制在真实硬件上的时序边界仍需独立验证。

局限性

第一，作者明确承认 Object 套件存在明显过度触发：38% 的回合请求咨询，但第一次 CALL 状态的纯策略继续成功率仍有 95.79%，最终只有一回合执行 Astra 动作。训练数据中失败状态的占比与场景同质性可能让检测器把“似曾失败”误当成“需要恢复”。这是选择性干预最关键的产品级缺陷，因为不产生动作的咨询同样消耗 token 和墙钟时间。

第二，论文只在 LIBERO 仿真中评估，且每项任务只有五个回合。200 个总回合足以展示总体趋势，却不足以稳定估计罕见但代价高的失败。尤其是安全关键场景真正关心的尾部风险，可能在平均成功率中被稀释。论文也指出，高代价的稀有失败在训练目标中没有被赋予更高权重。

第三，CALL 使用 37 个任务专用头和两个套件后备头，依赖任务级能力监督。换到新机器人、新夹具、新相机布置或开放世界任务时，任务折与动作统计的分布会变化。论文没有展示跨实施例迁移、在线适应或对未知任务头的系统评估，因此当前结果不能直接证明方法具备开放环境泛化能力。

第四，外部模型一旦行动，成本非常高：LIBERO-10 平均每个测试回合消耗 48,443.82 个 Astra token，全部混合回合吞吐降到 2.58 步/秒。论文的重点是把这类开销限制在少数状态，而不是让接管本身变便宜。对于要求实时闭环或离线运行的机器人，仍需研究更短上下文、更小恢复模型、并行预取或分层缓存策略。

第五，公开仓库定位于集成运行时，不包含 π0.5 检查点、已训练 CALL 权重、OpenPI 依赖和实验产物，也要求外部 Astra 凭据。这有利于避免泄露密钥和分发大模型，但意味着第三方无法仅凭仓库完整复现论文表格。代码对应关系清楚，实验可复现性仍依赖作者未公开的模型与运行环境。

从独立判断看，最需要补充的消融不是“有无 CALL”，而是三类信号各自贡献多少、4/5 规则与硬阈值分别拦截了哪些错误、冷启动时温度校准对触发率有多敏感。论文给出了总体成功率与咨询指标，但没有逐项呈现这些设计选择的反事实结果，因此读者能确认系统有效，却难以判断每个模块的边际价值。

结论与展望

本文把冻结 VLA 与外部具身推理模型组合成一个分层控制系统。π0.5 负责快速日常执行，CALL 从策略已有表示与动作块统计中预测能力不足，Astra 只在触发后接管并输出有界 EEF 恢复动作，宿主随后依据完整同步检查点决定是否把控制权交还 π0.5。方法没有重新训练基础策略，也没有让外部模型参与每个正常步骤。

在 LIBERO 的 200 个回合中，混合系统达到 97.5% 成功率，相对纯 π0.5 提高两个百分点；增益集中在 LIBERO-10，三个较容易套件的 Astra 环境步占比为 5.49%。无交接路径的吞吐接近基线，但所有混合回合的平均吞吐只有 2.58 步/秒，显示选择性交接确实减少了高频外部调用，却无法消除单次恢复的高延迟。

下一步最有价值的方向，是让 CALL 从“预测当前状态是否会失败”走向“预测外部恢复是否值得”。如果训练信号加入 Astra 动作的预期收益、恢复成本与安全风险，检测器就有可能同时减少 Object 中的无效咨询、提高真正可救状态的召回率，并把延迟预算分配给最可能改变结局的回合。选择性干预的目标不只是少调用，而是在有限外部推理预算下最大化任务可靠性。