跳到正文
arXiv · 机器人与计算机视觉· Seonghoon Yu, Dongwon Kim, HyungRok Jung, Yoonjae Baek, Byung-kwan Lee, Suha Kwak, Jeany Son·· 2026-10-06精选AI 评分83

RACE:基于可靠动作块扩展的视觉语言动作模型框架

When to Switch: Reliable Action-Chunk Extension for Vision-Language-Action Models

AI 导读

针对 VLA 模型因频繁调用策略导致的停顿问题,本文分析发现长动作块内的错误集中在操作子技能转换处。为此提出 RACE 框架,利用辅助一步去噪预测切换时机并以此调节动作生成。在仿真基准中,RACE 在更长动作块下成功率优于微调及近期 SOTA;在真实机器人上,使用 4 倍长动作块将空闲时间减少约 5 倍且成功率更高。代码与演示已公开。

推荐理由

原文分析了长动作块中的错误集中点,提出通过辅助去噪预测切换时机来降低误差。

来源:arXiv · 机器人与计算机视觉 · arxiv.org