单一VLA策略攻克100项家务：BEHAVIOR挑战赛技术解读

在2026年BEHAVIOR挑战赛中，一支独立团队用单一视觉-语言-动作（VLA）模型应对100项长程家务任务，最终在排行榜上位列第九，成为前十名中唯一的独立参赛者。这项成果的核心在于一个经过深度优化的策略网络，以及一项大胆的混合架构尝试——将部分任务交给编码智能体控制。

BEHAVIOR挑战赛解决方案概览

从50到100：规模扩展的工程挑战

BEHAVIOR挑战赛要求机器人在OmniGibson模拟器中完成100项家庭任务，每项任务都涉及长程规划与精细操作。团队的核心策略是训练一个统一的VLA模型，所有任务共享同一个检查点。这一设计延续自2025年的获胜方案，该方案基于π₀.₅模型构建。

在2025年与2026年共享的50项任务上，模型的Q值从0.260提升至0.371；而在全部100项任务上，模型得分为0.392。团队从2025年的经验中得出的主要结论是：模型训练不足。因此，2026年的工作重心放在了延长训练时间、优化训练参数、提升单步训练速度以及降低梯度噪声上。

具体而言，团队通过演示中的技能标注构建语义阶段，将新任务的任务与阶段嵌入从相似旧任务热启动，并设计了与遥操作控制匹配的21维动作空间。此外，他们采用了方差缩减的多样本流匹配方法，配合一个简单的噪声-计算量模型，无需消融实验即可为每个观测选择动作专家的样本数量。最终训练运行了20万步，大约相当于对2.11亿帧演示数据完成一次遍历。

视觉-语言-动作（VLA）模型是一类将视觉感知、自然语言指令和机器人动作生成统一到单一网络中的模型。其典型结构由视觉编码器（如ViT）、语言编码器（如LLM）和动作解码器组成，通过大规模演示数据训练，使模型能够根据当前观测和任务描述直接输出低层控制指令。VLA模型的核心优势在于跨任务泛化：同一套参数可处理多种指令，无需为每个任务单独设计策略。然而，VLA模型在长程任务中面临误差累积和规划能力不足的挑战，这正是本文混合架构尝试的背景。

流匹配（Flow Matching）是一种生成建模方法，通过学习从简单噪声分布到目标数据分布的连续变换（常微分方程）来生成样本。在机器人策略学习中，流匹配被用于建模动作分布：给定观测，模型预测一个速度场，将噪声逐步变换为动作序列。多样本流匹配则指对同一观测生成多个候选动作样本，再通过某种准则（如Q值或一致性）选择最优动作。本文采用方差缩减技术降低多样本估计的梯度噪声，并利用噪声-计算量模型自适应决定每个观测的采样数量，从而在计算效率和动作质量之间取得平衡。

基础设施：共享记录与高效仿真

支撑大规模训练与评估的是一套云端评估基础设施。该系统维护共享记录并附有溯源信息、回合诊断和可恢复的模拟器状态，还能在单块GPU上同时运行六个模拟器，速度超过实时。这种高效的基础设施使得团队能够快速迭代，并在训练过程中保持对模型表现的持续监控。

OmniGibson是基于NVIDIA Isaac Sim构建的具身智能仿真平台，专为BEHAVIOR系列挑战赛设计。它提供高保真物理模拟、照片级真实感渲染和大量可交互 household 物体，支持100项长程家务任务的标准化评估。OmniGibson的核心特点是支持可恢复的模拟器状态：训练和评估过程中可以保存和加载完整的场景状态，便于诊断和复现。该平台还集成了遥操作接口和演示数据采集工具，本文中21维动作空间的设计正是与遥操作控制相匹配。

混合架构：当编码智能体接管机器人

在学习策略之外，团队将14项任务路由给一个GPT-6 Astra编码智能体。该智能体通过观测和运动工具控制机器人，每个回合都从其在训练实例上练习会话的冻结副本开始。在这14项任务上，Astra的平均Q值达到0.639，而学习策略仅为0.108，差距显著。

这一对比揭示了当前VLA模型在特定任务上的局限性，也展示了编码智能体在需要复杂推理和规划的任务中的潜力。不过，团队也指出，公开提交中仅包含了部分Astra结果，最终得分为0.446 Q，完整任务成功率为27.3%。

编码智能体（Coding Agent）是指能够编写、执行和调试代码的AI系统，通常基于大语言模型构建，具备工具调用和环境交互能力。在本文中，GPT-6 Astra编码智能体通过观测工具获取机器人状态，并通过运动工具下发控制指令，本质上将机器人控制问题转化为代码生成与执行问题。与端到端VLA模型不同，编码智能体不直接输出动作，而是生成调用运动接口的程序，因而具备更强的符号推理和长程规划能力，但推理延迟较高，且依赖精确的工具接口设计。这种范式在需要复杂逻辑的任务中展现出优势，却难以胜任高频精细操作。

启示与展望

这项工作的价值不仅在于排行榜名次，更在于它为具身智能社区提供了可复用的工程经验。延长训练、优化流匹配采样、构建高效评估基础设施，这些看似朴素的改进叠加起来，带来了显著的性能提升。而混合架构的探索则打开了一个新方向：在端到端模型尚未完全胜任的领域，引入具备推理能力的编码智能体作为补充，或许是一条务实的路径。

对于关注机器人学习的研究者和开发者而言，该方案的核心贡献在于证明了单一策略模型在多任务场景下的可扩展性，以及训练充分性对性能的关键影响。随着BEHAVIOR挑战赛的持续举办，这些经验将推动具身智能向更通用、更可靠的方向演进。