Apple 的 REFACTOR-VLA 系统通过“唤醒/睡眠”架构学习可复用技能,解决了当前视觉-语言-动作 (VLA) 模型存在的局限性。与输出原始命令的单一模型不同,REFACTOR-VLA 将行为组织成结构化程序,提高了长时任务的性能。该系统使用行为等价核和受 Hindley-Milner 启发的类型化 lambda 术语,研究结果表明,简单地增加模型大小不如优化训练目标有效,特别是通过添加辅助监督对比损失。 AI
影响 通过实现更具可解释性和可复用性的复杂任务技能,改进了机器人学习。
排序理由 研究论文,详细介绍了一种新的运动程序学习系统。
在 Apple Machine Learning Research 阅读 →
- Behavioral-Equivalence Kernel
- Hindley--Milner
- InfoNCE
- Libero
- minimum description length
- OpenVLA
- RDT-1B
- real-LIBERO
- REFACTOR-VLA
- RT-2
- Conference on Neural Information Processing Systems
- Hindley–Milner
- π0
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →