FlowVLA 用物理完成估计提升机器人定量倒液精度

FlowVLA 论文作者团队提出 FlowVLA 方法，将运动生成与物理完成估计分离，用于解决机器人定量倒液体的停止决策问题。该方法用共享的 π0.5 动作专家学习接近、倾倒与返回动作，并用目标无关的估计器融合视觉、关节、腕部力矩与循环力信念历史来估计已转移质量，当估计值加预测残余流出量达到请求质量时触发返回。 在 coffee-pot/water 实验中，FlowVLA 取得 13.1 g 的目标平衡平均绝对误差（MacroMAE），低于所有测试的 VLA 基线；在全部尝试中，53.7% 既完成任务又将质量控制在请求质量的 ±10% 以内。同一模型无需重训即可插值到未见过的 150/250 g 目标，另有独立训练的模型在三种额外的容器-液体设置中评估了该方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。