Reflective VLA:用行动后果作为上下文的反思式策略

arXiv: 2606.25215(Reflective VLA: Learning from Observation-Action-Consequence Contexts) | 时间: 2026.06 | 路线: VLA · 记忆 / 反思 / 上下文学习 ← 返回 VLA 总览 · MemoryVLA

TL;DR

Reflective VLA 把 VLA 的输入从“当前观测 + 指令”扩展成 observation-action-consequence 上下文:不仅看自己做了什么动作,还看动作造成了什么结果。这个设定让模型能在上下文里学到“刚才为什么失败/为什么有效”,从而调整下一步。

它不是普通 CoT,因为重点不是生成一段语言解释,而是把行动后果作为策略上下文的一部分。

问题

传统 VLA 很像单步反应器:看到当前图像和任务,直接输出动作。长程任务里,真正重要的是历史:

• 哪一步已经完成?
• 上一步动作有没有推动目标物?
• 失败是因为抓偏、力度不够,还是目标判断错了?

如果模型看不到 action consequence,它就很难从自己的执行轨迹里纠错。

方法位置

站内归为 新范式探索 / 反思上下文。它与记忆增强 VLA 相邻,但粒度更偏“动作后果链”。

谱系位置

• 与 MemoryVLA / MemoryVLA++:MemoryVLA 保存历史感知/认知状态;Reflective VLA 强调历史动作造成的 consequence。
• 与 ECoT:ECoT 借助具身推理文本;Reflective VLA 更像把交互因果直接放进上下文。
• 与 ROAD-VLA:ROAD-VLA 把在线经验写回训练;Reflective VLA 先在上下文内利用经验。

局限与待核

• O-A-C 上下文长度增长会带来推理成本和历史压缩问题。
• consequence 如何标注或抽取,直接决定模型能否学到有效反思。
• 若任务反馈稀疏或视觉变化不明显,后果信号可能很弱。

来源

• arXiv:2606.25215 Reflective VLA: Learning from Observation-Action-Consequence Contexts.