跳到正文
arXiv · 机器人与计算机视觉· Duc Minh Nguyen, Bao-Ngoc Dao, Tung M. Luu, Binh Gia Nguyen, Vinh Tong, Anji Liu, Vu N. Duong, Dung D. Le, Daniel Sonntag, Trung Le, Ngan Le, Jan Peter, An Thai Le, Minh Nhat Vu, Mathias Niepert, Khoa D. Doan, Duy M. H. Nguyen, Vien Anh Ngo·· 14 天前AI 评分63

基于选定扩散噪声的 VLA 策略测试时改进:实现鲁棒的动作平滑

Test-Time Improvement of VLA Policies via Selected Diffusion Noise for Spurious-Robust Action Smoothing

AI 导读

针对扩散基视觉语言动作模型存在的虚假视觉依赖和随机动作生成问题,作者提出无需训练的 Selected Diffusion Noise 方法。该方法将扩散噪声作为可控自由度,先利用反事实负样本集过滤候选动作块,再基于 JerkRMS 选择运动学最稳定的块。实验显示在三个 VLA 策略上,仿真与真实环境中的性能分别提升 8-10% 和 18.33%,有效改善了落地可靠性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org