研究者提出SentryVLA运行时框架提升VLA机器人可靠性

UT Arlington 研究者 Zongyao Lyu 等发布论文，提出轻量级运行时包装框架 SentryVLA，用于提升视觉-语言-动作（VLA）机器人策略的运行可靠性。该框架作用于冻结的 VLA 策略，无需重训练或修改底层模型架构：动作层面用共形化分位数回归估计动作偏差上界并据此对随机候选动作排序选择，执行层面用 Mahalanobis 距离异常分数检测异常执行状态。 仿真与实体机器人实验显示，该框架可改善动作选择，并为异常执行状态提供有效的运行时警示信号。成果将发表于 CoRL 2026。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。