REFACTOR-VLA：类型化运动程序的无监督库学习
内容提要
REFACTOR-VLA是一种通过“唤醒/睡眠”架构学习可复用技能的系统，利用行为等价核聚类动作片段，并生成类型化lambda程序。在LIBERO基准测试中，增大世界模型参数反而降低性能，而加入InfoNCE辅助对比损失显著提升技能聚类质量，各套件NMI值达0.462至0.915。
延伸解读
世界模型并非越大越好
文章指出，将世界模型参数从1.88亿增至4.3亿，反而导致LIBERO全部四个套件性能下降。这提示在VLA系统中，单纯扩大世界模型规模可能带来过拟合或优化困难，而非预期中的收益。研究者应更关注架构设计与训练目标，而非盲目追求参数量的提升。
对比损失对技能聚类至关重要
在Phase A中加入InfoNCE辅助对比损失，显著提升了Phase C中技能聚类的质量，各套件NMI值从0.462到0.915不等。这表明，通过对比学习使世界模型更好地区分行为差异，有助于后续发现更清晰、可复用的技能，是提升系统整体性能的关键因素。
行为等价判断的新思路
REFACTOR-VLA通过在世界模型中滚动动作结果来定义行为等价核，避免了依赖LLM判断或嵌入聚类的主观性。这种方法更贴合机器人实际动力学，为长时程任务中的技能发现提供了更可靠的依据，可能启发后续研究在技能学习中对行为等价性的更严谨定义。
Q&A
REFACTOR-VLA是什么？
REFACTOR-VLA是一种通过“唤醒/睡眠”架构学习可复用技能的系统，它利用行为等价核聚类动作片段，并生成类型化lambda程序，以提升视觉-语言-动作模型在长时程任务上的表现。
REFACTOR-VLA与现有VLA模型（如OpenVLA、π0）的主要区别是什么？
现有VLA模型是“单体式”的，直接生成原始动作，缺乏可复用的抽象；而REFACTOR-VLA通过“唤醒/睡眠”架构学习可复用的技能库，并生成类型化lambda程序，从而更好地处理长时程任务并提高可解释性。
REFACTOR-VLA中的“唤醒/睡眠”架构是如何工作的？
在睡眠阶段，系统使用行为等价核（BEK）对动作片段进行聚类，BEK基于在潜在世界模型中的动作结果；在唤醒阶段，系统生成类型化lambda项，并由库条件化的整流流动作解码器生成动作。只有通过最小描述长度（MDL）和返回保持门控的抽象才被接受为技能。
REFACTOR-VLA的训练分为哪几个阶段？
训练分为三个阶段：阶段A（世界模型预热）训练潜在世界模型Mφ；阶段B（唤醒阶段策略优化）优化使用技能库的策略；阶段C（睡眠阶段技能发现）将动作片段聚类为可复用技能。
在LIBERO基准测试中，增大世界模型参数对性能有何影响？
在LIBERO基准测试中，将世界模型参数从1.88亿增加到4.3亿，反而导致4个套件的性能均下降，表明单纯增大世界模型并不总是有益。
加入InfoNCE辅助对比损失对技能聚类质量有何影响？
加入InfoNCE辅助对比损失显著提升了技能聚类的质量，在LIBERO各套件上NMI值达到0.462至0.915，表明对比损失有助于学习更好的动作表示。
REFACTOR-VLA在LIBERO各套件上的NMI值是多少？
在n=3多次播种下，Object套件NMI为0.462±0.021，Spatial套件为0.867±0.025，Goal套件为0.915±0.013，LIBERO-10套件为0.754±0.010。
