机器人

VLA 轻量恢复 Backtrack 参数仅增 0.48-0.88%，LIBERO-Long 失败率降 19-48%

冻结 VLA 无需重训练或额外推理模型即可检测并恢复失败，参数开销小于 1%，对机器人操作部署有实用价值。

VLA模型部署到 Unitree Go2 四足机械臂，扩大演示覆盖降 30% 误差

为腿式机械臂部署VLA提供数据采集、模型适配与推理设计经验，演示覆盖和次级技能策略可指导真实机器人落地。

学习速度先验重定时演示，真机叠杯 3.50s，比默认 6.02s 快 1.72×

用大规模数据学习统一速度先验，可消除演示时序噪声，微调 VLA 更稳，真机动作更快且更平滑。

提出 GTB 运动规划方法：凸集图最短路处理非线性黑箱动力学

为非线性/黑箱（含学习型）动力学系统提供带约束保证的规划工具，具身系统规划栈可参考。