STAR：免训练推理提升VLA动作表征
热点事件历史事件
STAR：免训练推理提升VLA动作表征
1 篇报道1 个报道来源9 天前更新
先了解这件事
AI 综述
Guangyu Zhao等作者提出免训练推理方法STAR，用于预训练视觉-语言-动作模型（VLA）的后层动作表征。该方法对后层残差更新做指数移动平均，使后层动作表征继承前层的物体感知更新方向，无需更新模型或改动架构；同时用近期本体感知状态调节混合强度，在执行动态快速变化时采用更保守的混合。 作者称，在机器人操作基准上，STAR提升了后层物体感知能力，平均任务成功率提高4.0个百分点，代码已公开。
AI 根据报道生成 · 2 天前更新
最新进展11月2日 13:00
STAR：用本体感知引导动作表征的 VLA 免训练推理方法报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.ROSTAR：用本体感知引导动作表征的 VLA 免训练推理方法
STAR 是一种面向预训练 VLA 的免训练推理方法，通过在后层残差更新上做指数移动平均，让后层动作表征继承前层的物体感知更新方向，无需模型更新或架构改动。该方法还用近期本体感知状态调节混合强度，在执行动态快速变化时采用更保守的混合。在机器人操作基准上，STAR 提升了后层物体感知能力，平均任务成功率提高 4.0 个百分点，代码已公开。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 311月4日 09:00
- 近 24 小时变化
- –
0123
09:0010:0011:0012:00
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。