arXiv · 机器人与计算机视觉· Dabin Seo, Eunhyek Joa·· 20 天前AI 评分75
VLA 应如何信任其推理?基于测量动作价值的步骤级引导
How Much Should a VLA Trust Its Reasoning? Step-Level Guidance as a Measured Action-Value Function
AI 导读
论文提出 CoC-CFG 与 Q-adaptive guidance 方法,通过调节分类器自由引导的权重来平衡 VLA 策略中推理痕迹对动作生成的影响。该方法将权重选择建模为马尔可夫决策过程,利用专家冻结和固定噪声精确测量各步骤的动作价值,并拟合小批评网络进行保守优化。
来源:arXiv · 机器人与计算机视觉 · arxiv.org