arXiv · 机器人与计算机视觉· Dwip Dalal, Shivansh Patel, Chahit Jain, Jeonghwan Kim, Utkarsh Mishra, Yuchen Song, Alex Baratian, Hyeonjeong Ha, Heng Ji, Svetlana Lazebnik, Unnat Jain·· 20 天前AI 评分70
基于表示锚定和语行动作对齐的可泛化 VLA 微调
Generalizable VLA Finetuning via Representation Anchoring and Language-Action Alignment
AI 导读
论文提出 Anchor-Align 方法,旨在解决在机器人演示上对预训练视觉语言模型进行行为克隆微调时产生的表征漂移与语行动作不对齐问题。该方法通过蒸馏冻结模型的层级表示来防止漂移,并将动作目标转化为离散运动方向标签以联合训练。实验显示,该方法在单臂及双臂机器人的多种操作设置中均优于标准行为克隆,且在仿真基准上提升了长视野控制与感知鲁棒性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org