PHR-VLA: Planning Horizon Reasoning for Vision-Language-Action Models

PHR-VLA提出了一种在VLA模型中实现规划视野推理的框架，通过特权潜在未来动力学表示解决当前VLA主要基于当前观测条件动作预测、缺乏对未来任务动态显式推理机制的问题，这对于细粒度、接触丰富的操作尤为重要。PHR-VLA引入轻量级辅助未来头，在训练期间将VLA内部表示与从未来观测中提取的潜在动力学对齐。实验表明PHR-VLA在接触丰富的长视野操作任务上显著优于基线VLA模型，适用于需要时序推理和未来规划的机器人操作场景。