SWAP：面向视觉语言动作模型的分步动作策略路由

SWAP 提出一种在任务执行过程中动态组合多个 VLA 策略的框架，把策略路由建模为离线强化学习问题，学习一个路由 critic 在每个决策步根据当前观测选择最合适的策略，使机器人能在执行中在线切换策略而非整段任务固定使用单一策略。