斯坦福 Real-Time EXPO-FT：让「慢而聪明」的大 VLA 实时上机器人——42% 到 97%，只用 10 分钟在线数据

视频加载中

视频加载中

斯坦福新研究（arXiv 2609.18207，Perry Dong、Kuo-Han Hung、Dorsa Sadigh、Chelsea Finn）：大型 VLA 模型推理延迟高，动作执行时观测早已过时，而真实机器人不会停下来等推理。Real-Time EXPO-FT 把控制拆成两个时间尺度：慢速异步层由预训练 VLA 凭借强行为先验生成候选动作块（action chunks）；快速同步层由轻量 edit policy 在执行时刻依据最新观测对动作做有界编辑（edit），再用 Q-value 从候选中现场挑最优块。edit policy 用强化学习训练（基于 EXPO/EXPO-FT 框架，Q 信号只作用于编辑量、不回传 VLA 主干），在线机器人数据封顶 10 分钟、全程无人干预。结果：四个高动态真实任务（物体递交、平衡球、桌上足球踢击、动态物体抓取）平均成功率 42%→97%；Kinetix 仿真基准 10/10 环境超过有延迟与无延迟的全部基线。有意思的是方向反转：Astra 等做法是慢模型审查快策略，这里反过来——快策略编辑慢模型。推主 LeoKharon 总结：大模型的价值可能在先验，而不在控制。