跳到正文
arXiv · 机器人与计算机视觉· Yitong Chen, Shiduo Zhang, Jingjing Gong, Xipeng Qiu·· 28 天前精选AI 评分78

让事情保持简单:视觉语言动作模型的一步动作生成方法

Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models

AI 导读

论文提出针对视觉语言动作模型(VLA)的高效一步生成策略。研究发现,仅将训练时间步分布偏向噪声端点,即可在 LIBERO、CALVIN 等基准上获得强单步策略;对于开源 VLA 模型,简单替换迭代解码为单次前向传播即可达到与多步解码相当的效果。

推荐理由

研究发现 VLA 因条件 - 目标结构特性,仅需调整时间步分布即可实现高效单步动作生成,无需蒸馏或专用目标。

来源:arXiv · 机器人与计算机视觉 · arxiv.org