跳到正文
arXiv · 机器人与计算机视觉· Guodong Du, Wanyu Lin·· 2026-10-19精选AI 评分78

NestedVLA:学习整合与生成视觉语言动作模型技能

NestedVLA: Learning to Consolidate and Generate Skills for Vision-Language-Action Models

AI 导读

针对 VLA 模型在多任务环境中技能整合困难的问题,该研究提出 NestedVLA 框架,利用嵌套超网络根据目标任务合成自适应的动作专家参数,并与冻结的基础 VLA 组合,同时保留特定任务的压缩 VLM 残差。

推荐理由

提出 NestedVLA 框架,通过超网络生成任务自适应参数实现技能合并,在 MetaWorld、ManiSkill 和 CALVIN 基准上表现优于模型合并基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org