SentryVLA：不重训VLA的运行时可靠性包装器

Zongyao Lyu、Lingling Chen 与 William J. Beksi 提出 SentryVLA，一种面向已冻结视觉-语言-动作（VLA）策略的轻量运行时包装器，无需重训模型或改动其架构。它在动作层用保形分位数回归估计采样动作与专家行为的偏差上界，据此对多个随机候选动作排序；在执行层用马氏距离异常分数监测闭环控制中的异常状态。 作者称，仿真与实机实验显示该方法改善了动作选择，并能对异常执行状态给出有用的运行时告警信号。

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。