跳到正文
arXiv · 机器人与计算机视觉· Chen Zhao, Zipeng Ye, Shifeng Bao, Yihan Lin, Haitao Shen, Yining Luo, Yuchen Xie, Jing Zhang·· 12 小时前精选AI 评分83

InteractVLA:将视觉语言动作模型转化为机器人操作的可交互工具

InteractVLA: Turning VLAs into Interactive Tools for Agentic Robotic Manipulation

AI 导读

现有代理操作系统将预训练的视觉语言动作策略视为不透明的语言原语,在指令或场景扰动下无法调整行为。本文提出 InteractVLA 框架,通过双向几何接口使预训练流式 VLA 成为可被几何引导和检查的工具:正向利用测试时几何引导将末端执行器目标转化为输入梯度,反向暴露动作片段与相机重投影以诊断空间差异并修正后续调用。

推荐理由

提出 InteractVLA 框架,通过双向几何接口将预训练 VLA 转化为可交互工具,实现测试时几何引导与递归自我改进。

来源:arXiv · 机器人与计算机视觉 · arxiv.org