机器人一旦抓偏，常会把物体推到陌生位置，接着越错越远。Backtrack 的思路很直接：不用重训原有的 Vision-Language-Action（VLA）模型——也就是把画面和指令直接变成机器人动作的模型——而是在它失手后，先让机械臂沿刚才的轨迹退回，再重新尝试。
具体来说，研究者给冻结的 VLA 加了一个故障预测头。这个小模块读取模型已有的内部表示，判断当前任务最终是否会失败；风险超过阈值，就暂停原策略并触发回溯。它只占原模型参数量的 0.48%—0.88%，训练也只需要标注每次自主尝试最终成功还是失败，不需要人工演示如何补救。
作者在最容易失败的长流程测试集 LIBERO-Long 上报告：三种 VLA 的失败率分别下降 19%—48%，成功率最高增加 7.4 个百分点；原本成功率已达 85%—99% 的较短任务，收益则更小。边界也很明确：回溯只能撤回机械臂动作，无法让已被碰乱的物体恢复原位。