EEmbogent
模型数据硬件产品评测公司技术融资
模型重要2026/11/11 07:32·重要度 72

为冻结VLA模型学习低延迟动作验证

Learning Low-Latency Action Verification for Frozen Vision-Language-Action Models

AI 摘要

研究者提出 HDH 轻量框架,用冻结 VLA 自身部署回采的 hindsight 数据训练动作验证器,为每个动作块预测任务成功分数;推理时 VLA 采样多个候选,验证器选分数最高者执行,避免昂贵验证器带来的额外延迟。在 LIBERO-10 四个任务上平均成功率 82.3%,三个真实操作任务上也优于基线。

阅读原文来源 arXiv VLA/Humanoid · arxiv.org

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。

同板块相关

模型重要23 小时前

TaF-Foundation:以六维力旋量为基准的跨传感器触觉基础模型

Jiaming Jiang等提出TaF-Foundation,将触觉表征锚定在六维力旋量上,让不同传感原理的触觉观测共享同一物理监督,无需传感器之间直接配对。团队自建采集平台,用24个传感器、覆盖4类传感原理,采集超1亿条触觉与力旋量配对数据,并以传感器特定输入适配加共享编码器实现跨硬件迁移。

模型重要3 天前

RoboCoEvo:智能体与策略协同进化框架

Ran Qi 等人提出 RoboCoEvo,一个以失败为引导的协同进化框架:把 MLLM 智能体可复用、可执行的知识提炼,与 VLA 等机器人基础模型的参数学习耦合起来,让智能体与策略在迭代中相互增强,而不是各自独立改进,从而扩展机器人的任务能力。