教机器人叠衣服时，常见的省事办法是：视频越往后，任务进度越高。但机器人可能刚把衣服铺平，又因抓取打滑重新弄皱；时间仍在前进，实际进度却倒退了。更麻烦的是，直接比较固定时间间隔前后的分数，会让同一段演示里的每一步得到几乎相同的“进步”评价，分不出有效动作、停顿和返工。
UR-VC（无监督机器人价值校正）不再只信单条演示的时间戳。它用 SigLIP-2——一种理解图像语义的视觉编码器——从其他演示中寻找外观和任务状态相似的画面，再汇总这些画面各自所处的时间位置，估算当前状态通常离完成有多近。每条演示最多贡献一个匹配结果，避免连续的相似画面把投票权放大。该方法离线运行、无需训练，也不需要人工逐帧标注。作者在双臂机器人铺平并折叠衣物的数据上称，校正后的分数能表现局部倒退和快慢不一的进展；用于训练 VLA（视觉—语言—动作模型）时，真实机器人成功率呈正向趋势，但论文没有在所给材料中提供足以支持更强结论的具体增益数字。