τ_0-VLA：基于世界模型引导测试时计算的层级机器人基础模型

长程机器人操作要求机器人既能可靠地执行单项技能，又能在长时间任务中连贯地编排这些技能。大多数分层视觉-语言-动作（VLA）模型通过单次前向传播做出每项此类决策，没有机制为困难或关键的决策分配额外计算资源。我们引入 τ_0-VLA，这是一种分层机器人基础模型，它通过世界模型引导的测试时计算，将高层子任务生成表述为一个可随计算量扩展的推理问题。在每次推理步骤中，高层策略利用执行记忆生成子任务，并在必要时在备选方案中进行搜索，然后再确定最终输出。随后，底层策略在多种机器人实体上执行生成的子任务。该策略使用 40,115 小时的异构真实世界数据，通过多模态联合训练进行训练。在域内和分布偏移的设置下，分配额外的测试时计算显著提高了下一个子任务预测的准确率，这些提升转化为长程机器人操作任务中闭环成功率更高。