跳到正文
arXiv · 机器人与计算机视觉· Yonghao Yu, Lang Huang, Runyi Li, Toshihiko Yamasaki·· 22 天前AI 评分66

Just Action Model:无需视觉生成的动作模型新框架

Vision-Language-Action or World-Action? Just Action Models

AI 导读

针对 VLA 与 WAM 社区的争论,本文提出将骨干初始化、未来观测目标及推理机制解耦的 Just Action Model(JAM)框架。该框架利用前瞻性损失训练当前特征预测冻结的未来编码,无需视觉生成即可提升控制性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org