arXiv · 机器人与计算机视觉· Zheyuan Zhou, Liang Du, Zixun Sun, Xiaoyu Zhou, Ruimin Ye, Qihao Chen, Yinda Chen, Lemiao Qiu·· 8 天前AI 评分73
3A-VLA:面向 3D 游戏世界的视觉语言代理抽象对齐动作学习
3A-VLA: Abstraction-Aligned Action Learning for Vision-Language Agents in 3D Game Worlds
AI 导读
针对动态 3D 开放世界与竞技 PvP 场景下 VLA 模型难以从密集视觉输入中提取稀疏可行动作的局限,本文提出 3A-VLA 框架。该框架通过意图抽象(IA)与环境语义抽象(ESA)将指令压缩为语义原语并将视觉流结构化,利用抽象对齐重加权(AAR)模块自适应调整动作模仿损失权重。
来源:arXiv · 机器人与计算机视觉 · arxiv.org