团队公开 2026 BEHAVIOR Challenge 方案：单一 VLA 模型覆盖 100 个家务任务

参赛团队在 arXiv 发布 2026 BEHAVIOR Challenge 的技术方案，在 OmniGibson 仿真器的 100 个长时序家务任务上最终排名第 9，是前十名中唯一独立参赛队。方案核心是一个基于 $π_{0.5}$ 的视觉-语言-动作（VLA）模型，全部 100 个任务共用一个 checkpoint；在与 2025 年重叠的 50 个任务上 Q 值从 0.260 提升到 0.371，全部 100 个任务平均 Q 为 0.392。 技术改进集中在三方面：把任务集从 50 个迁移到 100 个，利用演示数据中的技能标注构建语义阶段，新任务的 stage embedding 从相似旧任务 warm-start；采用方差缩减的多采样 flow matching，并用噪声-算力模型自动决定每个观测的 action-expert 采样数；训练扩展到 200k 步，约等于对 211M 帧演示数据完整过一遍。评测侧搭建了云端基础设施，单 GPU 上并行运行六个仿真器且快于实时。 在学得策略之上，14 个任务被路由到 GPT-6 Astra 编码智能体，它通过观测和运动工具控制机器人，每集从一个冻结的练习会话副本启动，这 14 个任务上 Astra 的平均 Q 达 0.639，而学得策略仅 0.108。最终公开提交因只包含部分 Astra 结果，得分为 0.446 Q、27.3% 全任务成功率。