跳到正文
arXiv · 机器人与计算机视觉· Zhihao Zhan, Jiaying Zhou, Likui Zhang, Qinhan Lyu, Hao Liu, Weizheng Li, Jusheng Zhang, Ziliang Chen, Tianshui Chen, Ruifeng Zhai, Keze Wang, Liang Lin, Guangrun Wang·· 3 天前精选AI 评分82

E0:通过 Tweedie 离散扩散实现表达性细粒度动作预测

E0: Expressive Fine-Grained Discrete Action Prediction for Vision-Language-Action Models via Tweedie Discrete Diffusion

AI 导读

针对现有视觉语言动作(VLA)模型在多样化任务中泛化能力弱、动作输出粗糙或不稳定的问题,本文提出 E0 框架。该方法将动作生成建模为量化动作 token 的迭代去噪过程,利用 Tweedie 离散扩散机制自然对齐基于 token 的推理逻辑,支持细粒度且可执行的精细控制,并避免了掩码式离散扩散的分布失配问题。

推荐理由

提出基于 Tweedie 离散扩散的 E0 框架,解决 VLA 模型动作生成粗糙与泛化不足问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org