机器人干活时突然"手抖"？最近VLA模型推理不稳定的问题让不少研究者头疼。

明明是同一个模型，微调完了干活，就因为初始参数有点小波动，成功率能从0%蹦到80%，这种"薛定谔的成功率"谁受得了。

要说这问题有多普遍，搞机器人具身智能的同行怕是最有体会，你让模型去抓个杯子，有时候稳得像老师傅，有时候能把杯子直接挥到地上。

这种不确定性，直接让不少VLA模型没法走出实验室。

这时候中国电信、清华、中科大的团队站出来了，他们搞出个TACO框架，专门治VLA模型的"手抖病"。

这框架一出来，业内不少人都觉得眼前一亮，毕竟这可是困扰大家好久的老大难问题。

VLA模型为啥总"走神"？

要说这背后的原因，还得从模型训练的两个阶段说起，VLA模型刚开始预训练时，就像厨师进了菜市场，啥都学一点，煎炒烹炸炖全会。

可到了微调阶段，相当于突然让他专攻川菜，问题就来了。

预训练时吸收的那些五花八门的动作模式，就像脑子里存了太多菜谱，微调时根本来不及彻底"格式化"。

结果就是干活的时候，模型时不时蹦出些不相关的动作，比如炒川菜呢突然来了个法式煎鹅肝的手法，不乱才怪，更麻烦的是微调数据集这摊子事。

这些数据往往来自不同的操作员，有人习惯左手拿勺，有人喜欢右手颠锅，甚至还有人喜欢边炒菜边抖腿。

模型学了这么多风格迥异的"武功秘籍"，最后练出来的可能就是套"四不像"拳法，举个例子就明白了。

你让模型学做鱼香肉丝，结果训练数据里混着十个人的做法，有人先放糖有人先放盐，有人勾芡厚有人勾芡薄。

模型学完了，下次做的时候可能这次按张师傅的路子来，下次又模仿李师傅的手法，味道能稳定才怪。

给机器人装个"稳定器"

中国团队搞出来的TACO框架，思路其实挺反常识的，一般解决模型不稳定，大家都想着从训练阶段下手，他们偏不，直接在推理阶段做文章。

这种"不修改模型参数"的思路，说实话刚开始我还捏把汗，没想到效果这么好，核心秘诀就在于"反探索"原理。

一般模型推理时喜欢尝试新动作，TACO偏要让它"保守"点，就像老司机开车，遇到复杂路况不会随便变道，而是盯着前车尾灯保持安全距离。

TACO让模型推理时只在已知的成功模式里选动作，不乱"创新"，Test-TimeScaling（TTS）这招确实聪明。

它不碰模型的"大脑"，只在输出结果时加个"过滤器"，就像给模型配了个经验丰富的老师傅，不管模型脑子里多混乱，老师傅总能挑出最靠谱的那个动作执行。

这种"不动内核只调输出"的做法，既安全又高效，耦合伪计数估计器这玩意儿，说穿了就是让模型自己当自己的"裁判"。

团队在VLA模型最后加了个轻量级的Coin-FlippingNetwork，专门判断当前动作靠不靠谱。

本来想单独训练个验证模型，后来发现直接让VLA自己验证自己更省事，还省了不少计算资源，高保真特征搜索的操作也挺巧妙。

他们让模型用不同噪声水平跑N次，然后挑个最接近成功案例的结果。

这就像学生考试遇到不会的题，先在草稿纸上多算几遍，哪个答案出现次数多就选哪个，正确率自然高。

从实验室到生产线的跨越

模拟环境测试的时候，TACO框架的表现就让人眼前一亮，在RoboTwin基准测试里，模型成功率一下子提了不少，Simpler-WindowX测试里也有明显进步。

最让人惊讶的是LIBERO-long终生学习测试，在已经很高的成功率基础上还能再往上提一提，真实机器人实验更有说服力。

他们用RealMan75双臂机器人做了五个常见任务，接收书籍、收纳充电器、整理纸和笔、操作笔记本电脑，还有同时拿两本书。

本来平均成功率也就四成，用上TACO框架后直接冲到五成六，要说哪个任务进步最明显，整理纸和笔那个活儿提升了足足四分之一，笔记本电脑操作也提高了一成五。

有个细节挺有意思，之前机器人拿笔记本电脑老怕捏坏了不敢用力，现在能稳稳抓住边缘，开合屏幕也不会晃悠了。

这框架最难得的是不挑模型，不管你是flow-matching还是diffusion架构的VLA模型，都能直接用。

而且加的这些模块都特别轻巧，不会给机器人增加多少计算负担，实时控制完全没问题，如此看来，TACO框架不光解决了稳定性问题，还指明了一条新路子。

以后搞VLA模型，可能不用老想着从头改网络结构了，在推理阶段动动脑筋说不定更有效。

中国团队这次的创新，确实给机器人具身智能领域提了个醒，有时候解决问题的钥匙，可能藏在你没想到的地方。

现在不少实验室已经开始试用水TACO框架，有人开玩笑说这下机器人终于不会"间歇性抽风"了。

从实验室到工厂车间，VLA模型要走的路还长，但TACO框架至少让我们看到了突破瓶颈的希望。

说不定过两年，我们身边的服务机器人，背后都藏着这个"稳定器"呢。