内容摘要
接触密集操作不仅要求机器人跟踪运动，还需调节受外力时的让步方式。作者指出，多数现有VLA采用纯运动学动作表示，细小跟踪误差可能导致失去接触或施力过大，单一固定刚度也难以兼顾自由空间精度与接触柔顺性。
CompVLA在π₀基础上加入柔顺专家：动作专家先预测参考轨迹，柔顺专家结合该轨迹与视觉语言上下文，输出时变对角刚度和虚拟位移。虚拟位移既确定柔顺方向，又移动平衡目标以产生接触力；这些输出由几何阻抗控制器执行。训练标签来自示范中的力／力矩记录，评测时策略不使用力／力矩传感器读数。
作者在擦白板、支点翻转和杯子分配三项接触任务上报告，CompVLA平均成功率为67.1%，较本实验最强基线高12.7个百分点；但杯子分配单项未领先，不能解读为所有任务均优。
实验每项任务采集100条训练示范，结果按三次运行、每次每任务20回合评测汇报。擦白板指标是成功擦除字母的比例，其余任务采用二元成功判定；因此该平均值应结合任务口径理解，结论限于作者这组实验。
点评
将方向性柔顺与主动施力纳入VLA输出，为连接多模态策略和底层接触控制提供了一条具体路线。
证据来自作者论文实验，不是独立复现。柔顺专家不能充分补偿较大轨迹误差；力／力矩派生标签不适合无接触力信号的接触前阶段，主导方向表示也可能不足以处理多方向柔顺或强旋转—平移耦合。
版本与核查范围
版本 2609.23614v1 · 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.p2.1；#S5.SS1.SSS0.Px3.p1.1；#S4.SS2.SSS0.Px2.p1.1；#S1.p4.1；#S4.SS1.SSS0.Px2.p1.1；#S4.SS1.p1.1；#S5.SS1.SSS0.Px1.p1.1；#S5.SS1.SSS0.Px2.p1.1；#S5.SS2.p1.1；figcaption[69]；#S5.T1.2