北大微软推BCP策略，机器人成功率大幅提升

jiqizhixin · x · 2026-08-26

北京大学与微软亚洲研究院提出 BCP（Bernoulli-Continuation Policy）策略，通过冻结基础 VLA 模型并训练一个 1640 万参数的“决策头”，让机器人能自主决定是继续执行当前动作块还是停止并重规划。

该方法将执行视界建模为伯努利“继续或停止”决策序列，利用 GRPO 优化以避免过度的 VLA 调用。实验结果显示，在 RoboTwin 2.0 的 50 项任务中，LingBot-VLA 成功率从 89.88% 提升至 93.94%，达到 SOTA 水平；真实机器人挂杯任务成功率从 44% 飙升至 84%。由于动作更精准、减少了无效运动，尽管重规划更频繁，总运行时间反而下降。