arXiv · 机器人与计算机视觉· Mehul Arora, Dhruv Agarwal, Ambuj Agrawal·· 12 小时前AI 评分58
CoBoVLA:利用离散码解耦语言与动作以实现鲁棒的机器人操作
CoBoVLA: Decoupling Language from Action with Discrete Codes for Robust and Interpretable Robot Manipulation
AI 导读
论文介绍 CoBoVLA(CodeBookVLA),这是一个拥有 2.5 亿参数的视觉 - 语言 - 动作模型,通过引入可解释的离散码将指令理解、规划与控制解耦。实验显示,在 LIBERO-Goal 基准上其成功率达 91.4%,优于 SmolVLA(82.8%);在指令同义改写测试中表现更稳健,且控制延迟仅为每步 17ms。材料指出语言理解仍是主要失败来源,并提供了预印本链接与补充材料。
来源:arXiv · 机器人与计算机视觉 · arxiv.org