CycleVLA：让 VLAs 具备“预判初期失败、回溯重试恢复”的能力

机器人执行任务时，失败往往难以挽回——比如抓取物体时姿势偏差导致物体掉落，或长序列任务中错误累积最终导致执行崩溃。传统方法大多采用"事后纠正"模 式：只有在失败发生后才分析错误并补救，而人类的纠错方式是"主动预判"——比如杯子刚要滑落时立刻握紧，车辆即将偏离车道时提前调整方向，在失败完全显 现前就介入修正。 这一差异揭示了现有视觉-语言-动作模型（VLAs）的关键局限：缺乏对子任务进度的感知能力，无法识别失败高发的子任务转换节点，且重试机制效率低下。为 此，CycleVLA 提出一套主动自纠正框架，核心目标是让 VLAs 具备"预判初期失败、回溯重试恢复"的能力，尤其针对长 horizon 任务和欠训练模型的性能短板。 二、核心设计：三大模块构建主动自纠正循环 点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Chenyang Ma等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 一、 CycleVLA的 核心背景与动机 CycleV ...