VLA-Corrector: Lightweight Detect-and-Correct Inference for Adaptive Action Horizon

Vision-Language-Action (VLA) foundation models have recently achieved strong progress in embodied intelligence. To reduce policy-call frequency while preserving temporal coherence, most generative policies adopt an action chunk mechanism, executing multiple future actions in an open-loop manner under a fixed action horizon. However, this "predict-then-blindly-execute" paradigm sacrifices closed-loop reactivity: in contact-rich physical interactions, even small local perturbations can rapidly amplify within the open-loop blind spot, leading to compounding errors and ultimately task failure. To address this limitation, we propose VLA-Corrector, a lightweight corrective inference framework for action-chunked VLA policies. Without modifying the backbone policy weights, VLA-Corrector introduces a lightweight Latent-space Vision Monitor (LVM) that continuously compares predicted and actual visual feature evolution, enabling online detection of visual dynamics deviations. Once persistent deviation is detected, the system triggers a truncation event, discards the remaining stale actions, and invokes corrective replanning via Online Gradient Guidance (OGG). The detect-and-correct mechanism of VLA-Corrector naturally induces an event-triggered adaptive action horizon: it preserves long-horizon execution when the current chunk remains reliable, and invokes short-horizon corrective replanning when execution begins to drift. In doing so, VLA-Corrector mitigates the trade-off imposed by static horizons between execution robustness and policy-call frequency. It can be integrated into different VLA models without further retraining the VLA backbone, interrupting compounding errors while preserving much of the efficiency benefit of action chunking and substantially improving robustness in long-horizon, contact-rich robotic manipulation tasks.

한 줄 요약

VLA-Corrector는 VLA 기반 정책의 오픈루프 실행에서 오류 누적을 방지하는 경량 감지-수정 추론 프레임워크로, 적응형 실행 시간을 제공한다.

핵심 기여도

VLA 정책의 고정된 실행 시간(액션 호리즌)이 성능-효율성 간의 트레이드오프를 유발함을 체계적으로 분석.
Latent-space Vision Monitor(LVM)와 Online Gradient Guidance(OGG)를 결합한 경량 감지-수정 추론 프레임워크 VLA-Corrector 제안.
π₀.₅ 모델에서 액션 호리즌 50에서 성공률 48.7% → 58.7%로 +24.6% 성공-호출 효율성 향상.
LIBERO 데이터셋에서 미세 조정(fine-tuning)된 모델에 VLA-Corrector 적용 시 97.8% 평균 성공률 달성.

핵심 아이디어

기존 VLA 정책은 액션 청크(action chunk)를 사용해 정책 호출 빈도를 줄이지만, 이는 오픈루프 실행 시간(액션 호리즌)을 생성하게 되어 실시간 피드백이 불가능하다. 이로 인해 작은 물리적 오류가 누적되어 최종적으로 작업 실패로 이어질 수 있다. VLA-Corrector는 이 문제를 해결하기 위해 **LVM**을 도입하여 예측된 시각 정보와 실제 시각 정보의 편차를 지속적으로 비교하고, 편차가 지속되면 **OGG**를 통해 재계획을 유도한다. 이는 정책 호출 빈도를 유지하면서도 실행 안정성을 향상시키는 **이벤트 트리거형 적응형 액션 호리즌**을 구현한다. 핵심 아이디어는 기존 VLA 정책의 가중치를 수정하지 않고, 추론 단계에서만 추가 모듈을 삽입하여 오류 누적을 방지하는 것이다.

기술적 접근법

**Latent-space Vision Monitor (LVM)**: 시각 정보의 잠재 공간에서 예측과 실제의 편차를 지속적으로 모니터링.
**Online Gradient Guidance (OGG)**: 편차가 지속되면, 예측된 시각 정보와 실제 시각 정보의 차이를 기반으로 새로운 액션 생성 시 **정화 경로**를 유도.
**Event-triggered adaptive action horizon**: LVM이 편차를 감지하면, 남은 액션을 폐기하고 OGG를 통해 재계획을 수행.
**모델 재학습 없이 통합 가능**: VLA-Corrector는 기존 VLA 모델(예: π₀.₅, SmolVLA, X-VLA)에 추가 모듈만 삽입하여 사용 가능.
**하이퍼파라미터**: LVM은 40M 파라미터로 충분하며, OGG의 가이드 강도는 η=1이 최적.

주요 결과

**π₀.₅ 모델, 액션 호리즌 50**: VLA-Corrector 적용 시 성공률 48.7% → 58.7% (+24.6% 성공-호출 효율성 향상).
**LIBERO 데이터셋**: 미세 조정된 모델에 VLA-Corrector 적용 시 97.8% 평균 성공률 달성 (전체 미세 조정 기준 96.9% 초과).
**MetaWorld 실험**: LVM만 적용 시 48.70% → 60.35% 성공률 향상, OGG 추가 시 64.35%로 추가 향상.
**모델 크기 민감도**: LVM 40M 파라미터가 최적, 160M 이상은 추가 성능 향상 없음.

의의 및 한계

VLA-Corrector는 기존 VLA 정책의 오픈루프 실행에서 발생하는 오류 누적 문제를 해결하면서도, 정책 호출 빈도를 유지하는 **적응형 실행 시간**을 구현하여, 장기 실행 작업에서의 안정성을 크게 향상시킨다. 특히, **추가 학습 없이 모듈을 통합**할 수 있어, 다양한 VLA 모델에 쉽게 적용 가능하다는 점에서 실용적 가치가 높다. 그러나, **복잡한 환경에서 OGG의 가이드 강도가 너무 강하면 성능 저하**가 발생할 수 있으며, **LVM의 감지 민감도 조정**이 필요하다는 한계가 있다. 또한, **모델 크기와 성능 간의 관계**에 대한 추가 연구가 필요하다.

실용적 활용

VLA-Corrector는 장기 실행이 필요한 로봇 조작 작업, 특히 물리적 접촉이 많은 환경(예: 물체 이동, 조립)에서 유용하게 사용될 수 있다. 또한, **시뮬레이션-실제 환경 간의 불일치**가 큰 상황에서도 오류 누적을 방지할 수 있어, 실제 로봇 시스템(예: AgileX PiPER)에 적용 가능하다. 이는 **고정된 실행 시간을 사용하는 모든 VLA 기반 정책**에 즉시 통합 가능한 솔루션이다.