arXiv cs.RO· Yitong Chen, Shiduo Zhang, Jingjing Gong, Xipeng Qiu·· 3 小时前AI 评分67
Let It Be Simple：视觉-语言-动作模型的一步动作生成研究
Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models
AI 导读
论文发现VLA动作生成与文本到图像生成不同，仅将训练时间步分布偏向噪声端点，就能在LIBERO、LIBERO-Plus、LIBERO-Pro及真实机器人任务上得到强一步策略；对不同架构的开源VLA模型，直接用单次前向传播替代迭代解码，在LIBERO、CALVIN和SimplerEnv上往往与原多步解码表现相当。
来源：arXiv cs.RO · arxiv.org