流匹配VLA执行时域与采样深度耦合研究
热点事件持续更新
流匹配VLA执行时域与采样深度耦合研究
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jiabing Yang等作者发表论文，揭示流匹配视觉-语言-动作（VLA）模型中数值求解深度与执行时域存在耦合，且这种耦合表现为系统性的符号反转：粗粒度数值积分在快速重规划下降低精度，但在延长开环执行时反而提升任务表现。 该结论在LIBERO、RoboTwin 2.0及真实Franka机械臂操作上得到验证，覆盖π0、π0.5和GR00T等代表性VLA骨干模型；作者称方法完全无需训练、也无需修改模型架构。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
流匹配 VLA 策略中执行时域与采样深度的耦合研究报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.RO流匹配 VLA 策略中执行时域与采样深度的耦合研究
该论文研究流匹配视觉-语言-动作（VLA）模型中数值求解深度与执行时域的耦合关系，发现粗粒度数值积分在快速重规划下降低精度，但在延长开环执行时反而提升任务表现。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月26日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:00
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。