跳到正文
arXiv · 机器人与计算机视觉· Langzhe Gu, Chengkai Hou, Meng Li, Xinhua Wang, Xinyuan Lv, Shuanghao Bai, Guangrun Li, Jingyang He, Ziluo Ding, Zhiyuan Xu, Ning Ding, Kuan Cheng, Jian Tang, Shanghang Zhang, Zhengping Che·· 2026-10-20AI 评分65

HAF-VLA:面向人形机器视觉语言动作控制的分层动作流框架

HAF-VLA: Hierarchical Action Flow Framework for Humanoid Vision-Language-Action Control

AI 导读

针对通用视觉语言动作策略难以适应人形机器人高维全身运动控制的挑战,本文提出 HAF-VLA 分层动作流框架。该方法基于预训练流匹配 VLA,通过可学习阶段嵌入和跨阶段 KV-cache 条件机制,将动作生成分解为移动与头部指令、腰部细化及全身操作三个渐进去噪阶段。实验在六个真实世界任务上验证了该框架能显著提升现有模型在人形机器人运动操作任务中的性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org