Peking University and Microsoft Research Asia propose BCP to let VLA models decide when to replan
Researchers from Peking University and Microsoft Research Asia propose Bernoulli-Continuation Policy (BCP), which freezes a base VLA model and trains a lightweight 16.4M-parameter head to decide whether to continue or replan at each step, optimized via GRPO from trajectory-level outcomes. On all 50 RoboTwin 2.0 tasks, LingBot-VLA's average success rate rises from 89.88% to 93.94%, achieving state-of-the-art among VLA methods, and real-robot mug-hanging success improves from 44% to 84%.
Coverage timeline
机器之心机器之心
在 action chunking 已成为 VLA 标配的今天，「一次执行多少步」几乎被所有工作当作一个固定的超参数。北京大学与微软亚洲研究院的一项新工作指出：这个默认设定本身就是一个重要的失败原因 —— 它让重规划变成了与任务进度无关的周期性调度，当没有任何一次重规划恰好落在关键操作阶段之前时，机器人只能带着一个已经过时的 chunk 进入关键操作环节。 研究团队提出了 Bernoulli-Continuation Policy（BCP） ： 冻结基座 VLA，仅训练一个 16.4M 参数的轻量级 head，把「执行多久」分解为一系列「继续执行还是重新规划」的伯努利决策，并通过 GRPO 从轨迹级结果中进行优化。在 RoboTwin 2.0 全部 50 个任务上，LingBot-VLA 的平均成功率从 89.88% 提升至 93.94%， 在 VLA 方法中取得 SOTA ；真机挂马克杯任务的成功率则从从 44% 提升至 84%。 论文标题：Continue or Replan? Bernoulli-Continuation Policy Learning for Adaptive Horizon Execution arXiv：2608.03483 项目主页：https://fleetfootwork.github.io/BCP/ 一、研究背景：被当成工程细节的决策维度 Action chunking 让 VLA 一次预测未来一段动作序列，而不是逐步预测单个动作，既降低了模型推理的频率，也改善了动作的时序一致性。在 chunk-based VLA 中有两个 horizon： prediction horizon 决定模型一次生成多少步动作， execution horizon 则决定这些动作中有多少步会被真正执行，执行完机器人再重新观测并规划。 OpenVLA、π_0.5、LingBot-VLA 等主流工作都采用固定的 execution horizon。这在自由空间中的粗粒度运动阶段问题不大——长序列往往更加平滑、稳定；但到了接触、对齐、夹爪闭合这类对精度敏感的阶段，微小的位姿误差就可能迅速累积，机器人必须在进入这些阶段之前重新观测。而固定的重规划节奏无法保证这一点。 为了量化这一现象，研究团队设计了一个 phase-shift 实验 ：所有变体都使用完
