arXiv cs.RO· Chuanke Pang, Junyi Huang, Jianye Fang, Zhijun Zhao, Yaobing Wang, Kun Xu, Xilun Ding·· 5 天前AI 评分65
InDex：通过意图条件微调让VLA模型适配灵巧操作
Bridging the Morphology Gap: Adapting VLA Models to Dexterous Manipulation via Intent-Conditioned Fine-Tuning
AI 导读
研究提出 InDex 框架，用重定向演示得到的归一化开合信号监督标量抓取意图，分两阶段把平行夹爪 VLA 模型适配到多指灵巧手。在四个仿真任务中，InDex 配合 π0.5 取得 85.8% 平均任务成功率，比原生策略提升 35.5 个百分点，并在未微调的相似几何新物体上达到 69.0%。在三个 VLA 主干和单独训练的真实世界策略上同样有效，真实策略平均成功率从 71.0% 升至 83.0%。
来源：arXiv cs.RO · arxiv.org