跳到正文
arXiv · 机器人与计算机视觉· Subin Kim, Anh-Quan Pham, Dinesh Jayaraman·· 9 天前AI 评分65

零样本 VLA 自适应:基于检索的引导

Zero-Shot VLA Adaptation with Retrieved Guidance

AI 导读

针对预训练视觉语言动作(VLA)模型在域偏移下表现不佳的问题,论文提出 RAGu 方法,通过几何校准将源演示转换至目标设置,并采用粗到细策略从海量候选中筛选兼容轨迹。该方法直接引导 VLA 的流匹配推理过程,无需重训基座或扩展上下文窗口。实验显示,RAGu 在真实世界、仿真及跨具身的人形机器人操作中,将成功率从 20% 提升至 80%,且在仿真环境中优于最接近的基线方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org