跳到正文
arXiv · 机器人与计算机视觉· Kechun Xu, Zhenjie Zhu, Anzhe Chen, Rong Xiong, Yue Wang·· 2026-10-05AI 评分75

APT:动作专家预训练提升视觉语言动作策略的指令泛化能力

APT: Action Expert Pretraining Improves Instruction Generalization of Vision-Language-Action Policies

AI 导读

论文提出 APT 方法,通过两阶段训练解决视觉语言动作(VLA)模型中因语言数据稀缺导致的视觉捷径问题。第一阶段在冻结 VLM 上对动作专家进行视觉 - 动作先验预训练;第二阶段注入语言令牌并融合 VLM 特征以保留视觉运动先验。实验表明该方法能显著提升未见指令和组合任务的泛化性能,适用于主流 VLA 架构。

来源:arXiv · 机器人与计算机视觉 · arxiv.org