When to Switch: Reliable Action-Chunk Extension for Vision-Language-Action Models

RACE（Reliable Action-Chunk Extension）框架通过预测子技能切换时机，提升视觉-语言-动作模型在长动作块中的执行可靠性。RACE 在相同动作块长度下优于微调方法，在 2 倍长动作块下超越近期最先进的高效 VLA 模型，在 4 倍长动作块下仍保持竞争力。在真实机器人上，RACE 使用 4 倍长动作块，减少约 5 倍的停顿空闲时间，并实现比相同长度微调更高的任务成功率。