研究人员开发了一个名为Retrieve to Act (R2A)的新框架,以提高视觉-语言-动作(VLA)策略在执行过程中应对视觉变化的鲁棒性。R2A将成功的训练演示构建成一个运动原语图,在推理过程中用于检索兼容的未来运动原语。这种几何先验与VLA预测的动作相协调,在保持局部反应性的同时纠正错误的空间轨迹。实验表明,R2A在各种VLA架构和基准测试中显著增强了鲁棒性,在无需策略微调的情况下大幅提高了成功率。 AI
影响 该框架有望带来更可靠的机器人系统,能够更好地应对意外的视觉环境。
排序理由 该集群描述了一篇关于改进VLA策略执行的新颖框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →