PRTS：一种基于对比表示的原始推理与任务分配系统

PRTS: A Primitive Reasoning and Tasking System via Contrastive Representations

视觉-语言-动作（VLA）模型通过强大的视觉-语言先验知识推动了机器人控制的发展。然而，现有VLA模型主要将预训练框架化为监督式行为克隆，忽略了机器人学习作为需要理解时序任务进展的目标达成过程的根本特性。我们提出\textbf{PRTS}（\textbf{P}rimitive \textbf{R}easoning and \textbf{T}asking \textbf{S}ystem，原始推理与任务规划系统），这是一个通过目标条件强化学习重新定义预训练的VLA基础模型。通过将语言指令视为目标并采用对比强化学习，PRTS学习了一个统一的嵌入空间，其中状态-动作嵌入与目标嵌入的内积近似于对数折扣目标占用率——即从当前状态-动作到达语言指定目标的概率，从而超越了静态语义匹配，对物理可行性进行定量评估。PRTS直接从离线轨迹中提取这种密集的目标可达性监督信号，无需奖励标注，并通过角色感知因果掩码将其融入视觉-语言模型（VLM）主干网络，对原始行为克隆带来的额外开销可忽略不计。这一范式赋予高层推理系统内在的目标可达性感知能力，弥合了语义推理与时序任务进展之间的鸿沟，并进一步有益于目标条件动作预测。在包含167B令牌的多样化操作与具身推理数据上预训练后，PRTS在LIBERO、LIBERO-Pro、LIBERO-Plus、SimplerEnv以及包含14个复杂任务的真实世界套件上达到了最先进性能，尤其在长周期、高接触性及零样本新指令设置中取得了显著提升，验证了注入目标可达性感知能够显著提升通用机器人基础策略的执行成功率与长周期规划能力。