Hugging Face Daily Papers·· 2026-10-06精选AI 评分78
PAIR:在视觉语言动作模型中连接感知与动作
PAIR: Bridging Perception and Action in Vision-Language-Action Models
AI 导读
论文提出 PAIR 框架,旨在解决连续动作视觉语言动作模型中感知表示到动作生成的过渡问题。该框架利用掩码动作自编码器将专家动作编码为动作潜在令牌,并通过桥接模块从当前视觉语言特征中提取任务相关信息以形成桥接令牌。
推荐理由
该框架通过引入桥接令牌,在感知与动作表示间建立共享中间层,显著提升了 OpenVLA-OFT 和 VLA-Adapter 在多基准及真实任务中的成功率。
来源:Hugging Face Daily Papers · arxiv.org