苹果发布REFACTOR-VLA：用“睡眠/清醒”两阶段架构教机器人学习可复用技能
该系统使用行为等价核函数聚类运动程序片段，并在LIBERO基准测试中展示了技能聚类质量的提升；同时发现增大世界模型规模反而会降低性能。
AI解读：苹果的研究团队提出REFACTOR-VLA，目的是解决现有视觉-语言-动作（VLA）模型难以完成长序列任务的问题。这类模型（如OpenVLA、π0等）直接输出原始动作，不会把任务拆解成可复用的技能模块，导致在多步骤任务中表现不佳。REFACTOR-VLA采用“睡眠/清醒”两阶段架构：睡眠阶段用行为等价核函数（BEK）基于世界模型的推演结果来聚类动作片段，清醒阶段再从聚类结果中生成类型化的lambda表达式作为技能，并由解码器用这些技能生成动作。在LIBERO基准测试中，系统通过辅助对比学习（InfoNCE损失）将技能聚类的归一化互信息（NMI）提升到0.46至0.92之间，表明聚类质量较高。另一项发现是，仅将世界模型从1.88亿参数增加到4.3亿参数，会导致所有四个基准套件的性能下降，说明规模并非关键。这项研究对机器人开发者意味着：未来可以更高效地将大模型嵌入实体机器人，并利用技能库提升任务的长期执行能力，但现阶段系统尚未达到可直接投入实际生产的状态。普通用户无需立即关注，技术团队可参考其方法改进自己的VLA模型。
苹果机器学习研究团队发布了REFACTOR-VLA，一个旨在让视觉-语言-动作（VLA）模型学习可复用技能的系统。该系统采用“wake/sleep”架构：在睡眠阶段，通过行为等价核函数（BEK）对运动程序片段进行聚类；BEK基于在潜在世界模型Mφ中执行动作的结果来判断。在清醒阶段，系统生成类型化的lambda表达式（基于Hindley–Milner类型系统的启发），随后由库条件整流流动作解码器将其转化为行为。
训练过程与基准测试发现
系统使用三阶段训练计划：阶段A为世界模型暖启动，训练潜在世界模型Mφ；阶段B为清醒阶段策略优化，优化使用技能库的策略；阶段C为睡眠阶段技能发现，将动作片段聚类为可复用技能。
研究团队在完整LIBERO基准套件上进行了评估。结果显示两个主要发现：首先，将世界模型规模从1.88亿参数增加到4.3亿参数，反而在所有4个基准套件上性能下降，这与“模型更大通常更好”的假设相悖。其次，在阶段A的世界模型暖启动中加入辅助监督对比损失（InfoNCE损失），显著提升了阶段C的技能聚类质量。聚类质量通过归一化互信息（NMI）度量，在多次随机种子下结果如下：物体套件（Object suite）为0.462 ± 0.021，空间套件（Spatial suite）为0.867 ± 0.025，目标套件（Goal suite）为0.915 ± 0.013，LIBERO-10套件为0.754 ± 0.010。