定位
χ₀ 不是 新的 VLA 骨架，而是在开源 π₀.₅ 上，用「资源可承受」的三件套，把长程衣物双臂操作做到接近产线稳。创新主要在 问题形式化 + 三块对准分布的方法 + 系统级闭环，不在「又一个更大的端到端网络」。
核心洞察（最大的「想法创新」）
作者把机器人学习拆成三个分布，并主张：真机不稳的主因往往不是数据/算力不够大，而是三者两两错位：
| 符号 | 含义 |
|---|---|
| (P_{\text{train}}) | 人演示（专家轨迹） |
| (Q_{\text{model}}) | 策略学到的「见状态会出什么动作」 |
| (P_{\text{test}}) | 真机实际执行出来的轨迹（含延迟、摩擦、失败） |
三种系统性错位：
- 覆盖不足：演示相对「所有能成的轨迹」太稀 → 策略偏窄
- 时序错配：长程阶段「看起来像」却语义不同；推理与控制还有延迟
- 失败级联：演示几乎全是成功段 → 真机一偏就不会救
从「堆规模」转向「对齐分布」------这是全文叙事锚点。
创新点 1：Model Arithmetic（权重空间合模）
问题 ：衣物演示贵，子集各学到不同模式；全数据重训贵，且未必最好。
做法：
- 数据切成不重叠子集 → 各 FT 一个 π₀.₅
- (\theta_{\text{merged}}=\sum\alpha_i\theta_i)，(\sum\alpha_i=1)
- 用 DAgger 恢复轨（对各子集都是 OOD） 上的验证损定 (\alpha)（Inverse Loss / 贪心 / 梯度等）
- 部署仍是一个模型，不是 MoE，也不是推理时多模型投票
新意在哪：
- 把 LLM/CV 里的 model souping 接到 VLA 微调场景，且明确用来补 (Q\leftrightarrow P_{\text{train}})
- OOD（恢复数据）定权 比 in-domain 更贴部署
- 实验上合模常 超过 single-best 和 full-data 合训 → 暗示 fine-tuned VLA 参数冗余、多峰可「泡」进一份权重
别夸大：合权公式本身不新；新的是设定（子集 FT + DAgger 验证 + 机器人长程任务证据）。
创新点 2：Stage Advantage（阶段感知进度信号）
问题 ：长程里视觉相似、阶段不同；π*₀.₆ 式 (V(s')-V(s)) 噪声大、无阶段时多值。
做法：
- 直接回归相对进度 (A=f_\theta(s,s'\mid g))，(g) 为人工阶段进度
- 任务拆语义阶段（A:2 / B:4 / C:3）
- 顶约 30% 标 positive → 写进语言条件做 AWBC （
"..., Advantage: positive"） - Estimator 单独训（关动作 loss，只训进度）；策略再 AWBC 一轮
新意在哪：
- 「advantage」从价值差分改成 成对观测的直接目标，数值更稳
- 阶段条件消歧
- 落地成 语言通道上的 advantage 条件 BC（和开源 openpi 管线好接）
别夸大 ：AWBC / 进度条件思想有先例；贡献是 stage-aware + 直接建模 + 衣物长程实证。
创新点 3：Train-Deploy Alignment（训练--部署对齐）
三招对准 (P_{\text{train}}\leftrightarrow P_{\text{test}})，基本不改 loss ：
| 子点 | 内容 | 创新味道 |
|---|---|---|
| Heuristic DAgger | 人为摆到失败态再采恢复，不必先跑策略等到翻车 | 同质量、更省采数时间 |
| 时空增广 | 左右镜像换臂 + 时间抽帧变速 | 零真机时间扩覆盖 |
| Temporal chunk-wise smoothing | 新旧动作块按延迟丢前缀 + 重叠线性插值 | 相对 ensembling/RTC 的部署侧稳控；可与 RTC 叠加 |
新意在哪 ：把「采恢复数据 + 增广 + chunk 接缝平滑」收成 同一分布对齐框架，并和 MA/SA 一起做系统消融，而不是散装工程 trick。
创新点 4：系统级与实证（博客「结果段」该写的）
- 资源叙事 ：约 20 h/任务 + 8×A100 ，相对裸 π₀.₅ 成功率约 +250%（约 25--30% → 近 100%，Task A）
- 模块可加性：单加 → 两两 → 全开单调变好；SA 偏吞吐，TDA 偏成功率（重试变贵）
- 产线向压力 ：任意初始状态宣称 24 h 连跑
- 任务选择：可变形、多阶段、接触丰富的衣物协同，故意放大分布漂移
- 开源完整度：MA / SA / TDA 代码 + 数据（含 advantage 标注）+ 权重（基于 openpi）