跳到正文
arXiv · 机器人与计算机视觉· Amrit Lal Singh, Smarak Kanjilal·· 12 小时前精选AI 评分85

RageVLA:基于增强训练的感知与动作实现 LIBERO 任务最先进鲁棒性

RageVLA: Augmentation-Trained Perception and Action for State-of-the-Art Robustness on LIBERO

AI 导读

论文提出 RageVLA 模型,通过解耦感知与动作并引入数据增强,在 LIBERO-PRO 基准上刷新了 VLA 策略的最优表现。该模型拥有 0.21B 参数,在对象移动或指令变更时仍保持高成功率,显著优于现有最佳模型。

推荐理由

该工作通过解耦感知与动作并引入增强训练,在 LIBERO-PRO 基准上刷新了 VLA 策略的最优表现。

来源:arXiv · 机器人与计算机视觉 · arxiv.org