VLA单步动作生成：偏向噪声端时间步即可获得强策略

Yitong Chen 等发布论文，发现视觉-语言-动作模型（VLA）的动作生成与文本到图像生成不同：仅将 Flow Matching 训练的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。论文称，标准 Flow Matching 的不可约速度损失在 VLA 上向噪声端点显著变小，而图像生成模型通常呈 U 形分布。 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。论文已公开代码与训练配置。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。