榜单第一，出门就摔：给机器人的动作头装上树突
一个会叠毛巾的机器人，成功率 97%。往它的动作里撒十步高斯噪声，再翻转一次夹爪指令，成功率掉到 39%。这两件事发生在同一个模型身上。
一个会叠毛巾的机器人，成功率 97%。往它的动作里撒十步高斯噪声，再翻转一次夹爪指令，成功率掉到 39%。这两件事发生在同一个模型身上。
这不是罕见的个别案例。arXiv 2609.32253《DS-VLA: A Dendritic-inspired Vision-Language-Action Model for Robust Action Control》把这件事做成了对照实验，2026 年 9 月 26 日提交。它测的不是"谁在标准评测里分数高"，而是"谁在被打断之后还能把活干完"。【直引】
📉 一张倒置的排名表
先看标准评测（nominal）下五个模型的 LIBERO 平均分：
| 模型 | 名义成功率 | 扰动后成功率 | 保持率 |
|---|---|---|---|
| OpenVLA-OFT | 97.10 | 39.45 | 40.6% |
| FAST | 95.20 | 23.90 | 25.1% |
| π0 | 94.20 | 28.55 | 30.3% |
| DS-VLA | 91.60 | 87.35 | 95.4% |
| GR00T | 86.50 | 30.75 | 35.5% |
名义榜上 DS-VLA 排第四。加上扰动，它排第一，而且第二名和它差 47.90 个百分点。
分套件看更极端。Long 套件（长程任务）里，DS-VLA 从 83.4 掉到 77.8，四个基线的扰动成绩是 1.2、0.0、1.0、0.0。也就是说长程任务在被扰动后，基线基本全部归零，DS-VLA 还留着四分之三。【直引：论文 Table 2】
难度再往上加，DS-VLA 平均成功率是：难度一 87.35，难度二 71.65，难度三 46.00。它在衰减，不是不衰减。【直引：论文 Figure 5】
🔧 扰动是怎么加的
协议加在执行的 7 自由度动作上（平移、旋转、夹爪），并且不给任何扰动指示器，也不给手工设计的恢复信号。
| 难度 | 噪声标准差 | 作用步数 | 额外破坏 |
|---|---|---|---|
| 1 | 0.1 / 0.002 | 第 10 到 19 步 | 夹爪指令翻转 |
| 2 | 0.010 / 0.004 | 25 步 | 10 次平移被覆写成固定向量，夹爪强闭 18 步 |
| 3 | 0.015 / 0.008 | 35 步 | 12 次平移被覆写，夹爪强闭 25 步 |
有意思的是恢复方式。难度从一到三，DS-VLA 成功轨迹的平均长度从 145.4 步涨到 155.2、175.4 步，而动作频率（约 6.5 Hz）、推理延迟（约 120 毫秒）、闭环延迟（约 150 毫秒）基本不动，归一化动作幅度也没变大。它是靠多绕几步把活补回来，不是靠更猛地动作。【直引：论文正文统计】
🧠 树突脉冲动作头
DS-VLA 的动作头换成了一个脉冲神经元结构，论文叫 DH-LIF。
具体参数：三层，每层 1536 个胞体神经元，每个神经元挂两个树突分支。分支通过固定的二值掩码接收互补的输入子集，各自带可学习衰减因子，于是不同分支有不同时间尺度。胞体是可学习阈值的 LIF，膜衰减初始化在 0.95 到 0.99 之间。训练损失是 L1 动作回归，没加门损失、发放率损失或树突正则项。【直引】
小贴士：为什么是脉冲？ 脉冲神经元天然带状态。上一时刻的膜电位还留着，等于给控制回路内置了一小段记忆。Transformer 类的动作头每一帧重新看一遍，脉冲头是接着上一帧往下走。机器人被推歪一下，需要记住"刚才我在干什么"，这段记忆就是恢复的基础。【推论】
🚪 那道门才是关键
真正拉开差距的是抑制门。每个神经元根据整层输入算出一个系数 g，取值在 0 到 1 之间，同一神经元的两个分支共用它。它只缩放入射电流：g 越大，新证据越进不来。
关键在于它不清空已经存下的树突状态。换句话说，门管的是"这条新信息值不值得写进来"，不是"把记忆擦掉"。噪声来了，门关小，异常值进不去；噪声过去，门开大，正常信息继续写。【直引：论文 §3 机制描述】
消融数据把这件事量化了。去掉门之后：
| 指标 | 变化 |
|---|---|
| 平均名义成功率 | −18.0 个百分点 |
| 平均扰动成功率 | −20.9 个百分点 |
| Long 套件名义 | −48.4 个百分点 |
| Long 套件扰动 | −42.2 个百分点 |
| Object 套件扰动 | +0.8 个百分点（唯一反向） |
Long 上掉了四五十个点，说明长程任务几乎全靠这道门维持。Object 在扰动下的 +0.8 是个例外，幅度小到可以当作噪声。
🧭 为什么值得盯
第一，评测口径的洞被指出来了。名义成功率和闭环鲁棒性在现有 VLA 上几乎是两套能力，只报 nominal 分数等于没报。LIBERO 上 97 分的模型，扰动后剩 39 分，这个落差对真机部署是致命的。【判断】
第二，它给了一个便宜的方向。堆视觉语言骨干、换更强的生成式动作解码器都治不了这个问题，因为在扰动下崩的不是感知，是时间整合。一个带衰减记忆和准入门的动作头成本很低。【推论】
第三，抑制门这个结构可以移植。它不依赖特定的 VLA 骨干，是动作头上的一层。任何"观测偶尔会坏"的控制场景都能试。【判断】
⚠️ 要打折的地方
这是预印本，没有同行评审，四位作者（Yaxing Lyu、Jingyi Li、Mingkun Xu、Yujie Wu）的机构信息在摘要页上没有列出。
实验只在 LIBERO 仿真里做，没有真机。扰动是人工注入的合成噪声，和真实的机械打滑、线缆拉扯、视觉丢帧不完全一样。基线数字是论文自己复现的，不是原作者的公布值。DS-VLA 的名义成功率仍然低于三个基线，这个代价没有被消除，只是被换了个方向。【判断】
还有一个更基础的疑问：难度三的 46.00 也是衰减曲线上的一点，多难会把 DS-VLA 也打到零，论文没给。
参考
- Yaxing Lyu, Jingyi Li, Mingkun Xu, Yujie Wu，《DS-VLA: A Dendritic-inspired Vision-Language-Action Model for Robust Action Control》，arXiv:2609.32253，2026-09-26
- LIBERO 基准（四个套件：Goal / Object / Spatial / Long）
- 对照方法：OpenVLA-OFT、FAST、π0、GR00T