VeriVLA：利用潜在世界模型对基于 Flow 的 VLA 进行自适应测试时验证

基于摘要分析。该研究针对机器人精细操作中基于 Flow 的 Vision-Language-Action（VLA）策略因随机噪声种子不同而生成质量不一的动作片段、却通常直接执行单次采样结果的问题，提出 VeriVLA：在关键状态触发额外采样，再以潜在世界模型预测的任务进展对候选动作排序。 方法首先用两个初始样本测量动作片段内部的时间变化与样本间方差，构成无需训练的双轴触发机制。触发后，基于 JEPA 的潜在世界模型预测动作条件下的未来潜在状态及相应任务进展变化，以此排列候选动作片段。验证过程不重建像素；作者将其作为提高排序效率与准确性的机制。摘要中的“无需训练”明确对应触发机制，不能据此认定世界模型也无需训练。 作者报告，在笔插入、移液和苹果放置三个真实机器人任务上，平均完成得分从 50.8% 提高至 65.5%；单张 RTX 4090 上，每次被触发的决策额外增加 326 ms 的采样与验证时间。仿真中，作者报告 RoboTwin 2.0 clean 设置的平均成功率从 66.4% 提高至 73.6%，randomized 设置从 62.8% 提高至 69.6%，LIBERO 上从 96.9% 提高至 97.6%。完成得分与成功率是不同指标，不应混用；摘要未明确具体对照策略、评估样本量及统计不确定性。 复现需核对双轴指标与阈值、候选数量、世界模型的训练数据与监督、任务进展估计方式，以及触发频率和端到端延迟。实验协议、消融及统计信息尚未验证。研究对象是机器人动作策略验证，材料未提供神经信号输入或 BCI 评估，不能将这些结果视为 EEG/BCI 有效性的证据。