内容摘要
机器人按要求倒水时，画面和手臂姿态可能几乎不变，倒出的水却持续增加；把壶回正后，液体也不会立即停止流出。作者提出FlowVLA，将动作生成与倒出量估计分开，让视觉—语言—动作（VLA）策略不再独自隐式判断何时停止。
系统融合图像、关节、腕部力与力矩及历史状态，持续估计流量和累计倒出质量；当累计质量加上预计回正期间流出量达到目标时，触发回正。动作学习还专门区分继续倾倒与开始回正的阶段边界，避免同一段动作混入两种运动。
在咖啡壶倒水、目标为100/200/300克的作者实验中，已完成且记录最终质量的试验，按目标等权平均的绝对误差为13.1克；以全部尝试为分母，完成任务且质量落在目标±10%内的比例为53.7%。同一模型无需重训即可测试未参与训练和调参的150/250克目标，但这只是目标范围内插值。执行时不使用电子秤反馈，训练监督和最终评测仍依赖电子秤；其他容器与液体任务分别训练模型。
点评
对控制软件开发的启示是：可将“怎么动”与“倒够没有”分开建模，并把回正后仍会流出的液体计入停止条件；这是作者实验支持的设计思路，不是通用部署能力证明。
证据来自作者论文，不能视为独立复现。方法仍需分容器—液体域训练和离线电子秤监督；质量误差仅统计已完成且有最终质量记录的试验，不能代替全流程成功率。
版本与核查范围
版本 2610.29692v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p1.1；#S1.I1.i1.p1.1；#S1.p3.1；#S3.SS3.p1.1；#S3.SS2.p4.1；#S4.SS1.p2.1；#S4.SS2.p1.1；#S4.T1.2；#abstract1.1；#S4.SS1.p1.1；#S4.SS3.p2.1；#S5.p1.1