Pre-VLA: 用于可靠视觉-语言-动作与世界模型推演的抢先式运行时验证

arXiv 2026 52.1 method

TLDR

Pre-VLA 抢先验证VLA和世界模型的动作有效性，提升LIBERO成功率并减少错误。

评分理由

The paper presents a novel runtime verification method with strong empirical results on a standard benchmark, addressing a practical deployment issue. However, the abstract lacks details on generalization to diverse tasks and environments, and the method's reliance on a specific backbone may limit applicability.

Read-first 评分解释

综合优先阅读分 52.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 37。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

83.6

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.83577566

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、实验

主题相关性 29%

52.9

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：322。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

interactive world model

video world model

深度分析

创新点

在物理执行或世界模型想象之前进行抢先运行时验证
高效多模态骨干网络，结合模态感知池化和轻量级双分支头，用于安全置信度和优势分数预测
多任务训练目标，结合Focal分类、优势回归和软阈值校准，以处理类别不平衡和边界决策
双模式抢先重采样调度器，过滤低质量动作并在有限计算预算下触发自适应重采样

方法

Pre-VLA使用高效多模态骨干网络，结合模态感知池化和轻量级双分支头，预测候选动作块的安全置信度和评论家导出的优势分数。训练采用多任务目标，结合Focal分类、优势回归和软阈值校准。部署时，双模式抢先重采样调度器过滤低质量动作，并在有限计算预算下触发自适应重采样。

关键结果

在LIBERO基准上，Pre-VLA将RynnVLA-002的平均闭环成功率从30.79%提升至37.62%，减少了任务执行步骤，每个动作块的平均前向验证时间为183.9毫秒，并缓解了世界模型 rollout 中的误差累积。

资源

论文