HuggingFace Daily Papers·· 1 天前AI 评分50
Vision-Language-Delta-Action：用紧凑Delta作为机器人操作的可执行状态转移接口
Vision-Language-Delta-Action: Learning Compact Deltas as Actionable Transition Interfaces for Robotic Manipulation
AI 导读
VLDA提出用紧凑Delta变量建模任务相关的状态转移，替代VLA的直接观测到动作映射与世界-动作模型的完整未来状态预测。其通过LT-Filter与GT-Anchor统一目标学习Delta，并由DDAR将其注入动作去噪过程作为结构化种子。实验在开源训练框架LoongForge中实现，表明VLDA提升了长程一致性、鲁棒性与泛化能力。
来源：HuggingFace Daily Papers · huggingface.co