跳到正文
arXiv · 机器人与计算机视觉· Zuojin Tang, Haoyun Liu, Xinyuan Chang, Changjie Wu, Dongjie Huo, Yandan Yang, Bin Liu, Zhejia Cai, Feng Xiong, Mu Xu, jiachen Luo, De Ma, Zhiheng Ma, Gang Pan·· 9 天前精选AI 评分78

ALAM:一种用于视觉语言动作模型的代数一致潜在动作模型

ALAM: Algebraically Consistent Latent Action Model for Vision-Language-Action Models

AI 导读

针对视觉语言动作模型缺乏带标注动作数据的问题,该研究提出 ALAM 模型,从无动作视频中提取物理世界变化先验。通过帧三元组学习受重建约束且符合组合与可逆一致性的潜在转换,构建局部加性转换空间。

推荐理由

该工作提出代数一致潜在动作模型,利用无标签视频构建结构化先验,显著提升 VLA 策略在仿真及真实任务中的成功率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org