Echo：为视觉-语言-动作模型联合去噪动作与任务状态信号

Echo 提出一种框架，把停止和失败两种任务状态信号作为每个动作块的两个维度，与机器人动作一起去噪，从而区分执行中、成功完成和失败三种状态。该方法无需帧级进度标注，通过构建成功、失败和恢复轨迹提供互补监督，并让状态信号比动作更快去噪，使后续动作去噪步骤能基于更干净的状态估计。真实操作实验显示，Echo 能准确预测任务状态并持续提升策略性能。