arXiv · 机器人与计算机视觉· Luca Macesanu, Tianluo Zhang, Aditya Patil, Archit Sharma, Kevin Angers, Christopher M. Clark, Chen Feng, Juexiao Zhang·· 10 天前精选AI 评分83
VICTR:一种用于视觉语言动作模型的基于价值的上下文学习框架
VICTR: Value-Informed In-Context Learning for Vision-Language-Action Models
AI 导读
该论文提出了 VICTR 框架,旨在解决机器人基础模型在未见任务中仅凭视觉相似性进行上下文检索的局限性。研究引入了一种基于参考演示、语言指令和当前观测的“进度感知”上下文检索机制,通过估计任务相对进度来对齐当前状态与已演示的执行阶段。
推荐理由
针对 VLA 模型在未见任务中上下文检索效果受限的问题,提出基于进度感知的价值函数估计框架,显著提升了真实世界操作任务的成功率与进展率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org