arXiv · 机器人与计算机视觉· Haitao Shen, Hanyu Liu, Yihan Lin, Huiping Liu, Junbo Cui, Daoheng Li, Yang Li, Jing Zhang, Wenxin Li, Yuan Yao·· 2026-10-16精选AI 评分83
机器人策略应学习预测什么:重新审视 VLA 中的监督目标
What Should Robot Policies Learn to Predict? Rethinking Supervision Targets in Vision-Language-Action Learning
AI 导读
论文提出一种统一的 VLA 框架,通过样本级路由将训练数据分配给动作预测、基于 LAPA 的潜在动作预测或基于 DINOv3/V-JEPA/Wan2.2 的未来视觉预测。实验显示,在 LIBERO、CALVIN 及真实机器人任务中,合理的辅助监督目标组合优于仅动作预测,且未来视觉目标通常表现更佳。
推荐理由
该研究提出统一框架,证明在固定预算下分配部分样本给潜在动作或未来视觉预测优于仅动作预测。
来源:arXiv · 机器人与计算机视觉 · arxiv.org