arXiv cs.CV· Nikolaos Tsagkas, Andreas Sochopoulos, Chris Xiaoxuan Lu, Oisin Mac Aodha, Alexandros Kouris·· 6 小时前AI 评分29
w²VLA：将 Vision-Language-Action 模型中的陈述性知识与程序性知识解耦
Decoupling the Declarative from the Procedural in Vision-Language-Action Models
AI 导读
研究者提出 w²VLA，一种重构信息流的 Vision-Language-Action（VLA）模型，通过以组合且可解释的方式用视觉、空间和技能信息调制机器人状态序列，将陈述性知识与程序性知识解耦。该模块化方法实现了稳健的行为克隆，并在未见过的不同物体上展现出零样本技能迁移能力。
来源：arXiv cs.CV · arxiv.org