研究人员开发了基于散度的可感知不确定性的自适应动作分块(DUAC),这是一种用于估计视觉-语言-动作(VLA)模型预测不确定性的新颖事后方法。与需要多次动作采样的现有方法不同,DUAC使用雅可比向量积从单个生成的块中提取不确定性,从而显著降低了推理成本。这种方法与传统方法相关,但提供了更局部的不确定性度量,在LIBERO和RoboCasa等各种机器人基准测试中均被证明有效。 AI
影响 通过以较低的计算开销提供准确的不确定性估计,该方法可以实现机器人技术和其他VLA应用中更高效、更可靠的自适应执行。
排序理由 详细介绍VLA模型新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Adaptive Action Chunking
- arXiv
- Divergence-based Uncertainty-aware Adaptive Action Chunking
- Hugging Face
- LIBERO
- LIBERO-Plus
- LIBERO-Pro
- RoboCasa
- vision-language-action models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →