跳到正文
热点事件持续更新

研究团队提出统一VLA框架 辅助监督表现优于纯动作训练

1 篇报道1 个报道来源17 小时前更新

先了解这件事

AI 综述

Haitao Shen 等研究团队在 arXiv 发布预印本论文，提出了一个结合双流多模态 Diffusion Transformer 与样本级路由器的统一 VLA（视觉-语言-动作）框架，用于在固定训练预算下显式分配动作预测与辅助监督目标。 在 LIBERO、CALVIN 及 4 项真实机器人任务测试中，即便动作预测分配的样本比例不超过一半，结合潜在动作与未来视觉辅助监督的表现依然优于纯动作训练。研究指出，潜在动作监督侧重相对运动，而未来视觉监督则侧重绝对位置与任务标识。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 22:01
研究探讨VLA策略监督目标选择：重构机器人训练任务与样本分配

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv · 工业智能研究摘要
    研究探讨VLA策略监督目标选择：重构机器人训练任务与样本分配

    预印本摘要称，研究者提出了一个结合双流多模态Diffusion Transformer（MMDiT）与样本级路由器的统一VLA框架，用于在固定预算下显式分配动作预测与辅助目标样本。在LIBERO、CALVIN及4项真实机器人任务测试中，即便动作预测分配比例不超过一半，结合潜在动作与未来视觉监督的表现依然优于纯动作训练。分析指出潜在动作侧重相对运动，而未来视觉侧重绝对位置与任务标识。

本事件热度走势

可比范围当前
6
可比范围峰值
710月16日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。