研究人员开发了SentryVLA,一个旨在提高用于机器人控制的视觉-语言-动作(VLA)模型可靠性的新框架。该系统作为一个运行时包装器运行,为生成的动作提供不确定性估计,并监控执行状态,而无需修改底层的VLA策略。SentryVLA采用共形分位数回归进行动作选择,并采用基于马氏距离的异常分数进行状态监控,在模拟和物理机器人实验中均表现出改进的性能。 AI
影响 通过提供关于模型置信度的可操作的见解,增强了人工智能驱动的机器人系统的可靠性和安全性。
排序理由 该集群描述了一篇详细介绍使用人工智能改进机器人控制的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Conformalized Quantile Regression
- DagsHub
- Hugging Face
- Mahalanobis-distance-based anomaly score
- SentryVLA
- Vision-Language-Action (VLA)
- William Beksi
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →