NF-VLA:用归一化流做VLA学习基线
NF-VLA: A Normalizing-Flow Baseline for Vision-Language-Action Learning
AI 摘要
研究者提出 NF-VLA,用条件自回归归一化流直接建模连续机器人动作,仅靠单一最大似然目标联合训练视觉-语言主干与流模型,无需扩散式多步采样。其深-浅层结构把视觉、语言与本体感知条件集中到高容量深层块,浅层块提供共享可逆动作变换;推理时用同一密度做一次分数校正,补偿训练时的高斯平滑。在操作类基准上性能与主流 VLA 方法相当。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。