让机器人完成一串长操作，如果它每次都从头计算关节怎么动，就像做菜时逐字重读菜谱：经验难复用，前面的小错也会一路累积。REFACTOR-VLA想把这些零散动作整理成“动作程序”——可反复调用的动作套路。它面向VLA（同时看画面、理解指令并控制机器人的模型），无需人工逐段标注技能，就能从示范轨迹中归纳程序库。
系统会比较两段动作在学习到的环境模型中是否产生相近结果，而不只看动作轨迹是否相似；再把重复结构编成“带类型”的程序，像规定积木接口，只有输入输出匹配才能组合。候选程序还须通过压缩收益和任务回报保持两道检查。论文称，在LIBERO基准上，系统最终收录了3个抽象动作程序，其中2个被控制器实际调用，并用程序库改写了抽取的全部256条示范。这说明VLA不只能输出原始控制量，也可能开始积累可组合的动作经验；不过这些效果目前仅据论文作者报告。