arXiv · 机器人与计算机视觉· Seongheon Park, Heecheol Kim, Shulin Tian, Lilika Makabe, Namiko Saito, Katsushi Ikeuchi, Sharon Li, Yasuyuki Matsushita·· 2026-10-06精选AI 评分78
DiVeR:面向 VLA 测试时扩展的决策关键验证器学习
DiVeR: Decision-Critical Verifier Learning for VLA Test-Time Scaling
AI 导读
论文提出 DiVeR 方法,旨在解决视觉语言动作(VLA)模型因数据成本受限而难以进一步扩展的问题。该方法通过采样多个动作候选并基于动作表征的离散度估计决策关键性,从而在推理阶段重新加权验证器学习,聚焦于对下游结果影响最大的稀疏状态集合。
推荐理由
提出 DiVeR 方法,利用动作表征离散度识别决策关键状态以优化验证器训练,在 LIBERO、RoboCasa 及 Franka 机器人实验中提升任务成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org