跳到正文
arXiv · 机器人与计算机视觉· Iok Tong Lei, Ying Jie Yap, Wei Huang, Qingchen Xie, Qianzhi Li, Yujie Zhang, Xiaolong Liu, Zhidong Deng·· 8 天前AI 评分73

XS-VLA:利用空间监督与演示条件化教学微型视觉语言动作模型

XS-VLA: Teaching Tiny Vision-Language-Action Models with Spatial Supervision and Demonstration Conditioning

AI 导读

论文提出 XS-VLA 框架,通过粗粒度空间蒸馏初始化骨干网络,并利用演示潜在变量对动作空间速度场进行条件化流匹配学习。最终部署的策略包含 243.99M 参数且无需教师或后验编码器。

来源:arXiv · 机器人与计算机视觉 · arxiv.org