FocusVLA：用未来意图引导动态视角路由的 VLA 模型

FocusVLA 提出一种阶段感知的多视角路由框架，从历史动作预测未来交互意图，并据此在动作生成过程中动态协调全局与局部视角。在 RoboTwin 2.0 上，其平均成功率比最强基线 π_{0.5} 提升 10.10 个百分点；实机评测成功率从 71.7% 提升到 85.0%。该框架的意图预测与动态路由模块可在不修改核心架构的情况下集成到现有 VLA 框架中。