arXiv · 机器人与计算机视觉· Shangyuan Yuan, Xinda Qi, Yujiang Pu, Wenliang Guo, Xiaobo Tan·· 2026-10-07精选AI 评分78
StairVLA:面向视觉语言动作模型的分层阶段感知动作生成框架
StairVLA: Stage-Aware Hierarchical Action Generation for Vision-Language-Action Models
AI 导读
针对扩散或流匹配动作头在处理去噪轨迹时缺乏阶段感知的不足,该研究提出 StairVLA 框架,利用部分去噪动作作为高层长视界规划与局部精细化的接口。系统采用高层 VLA 进行早期去噪以生成可复用的长时序轨迹,同时由轻量级精炼器高频更新局部动作块。
推荐理由
该方法通过分层架构复用高层 VLA 计算并保留高频闭环修正,在 LIBERO 基准上提升成功率并降低推理延迟。
来源:arXiv · 机器人与计算机视觉 · arxiv.org