PulseAugur
中
实时 07:45:39

New RAW-Dream paradigm enables zero-shot VLA model adaptation

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了RAW-Dream，一种无需任务特定数据即可适应视觉-语言-动作（VLA）模型的新范式。该方法利用预训练的、与任务无关的世界模型来预测未来轨迹，并利用现成的视觉-语言模型（VLM）来生成奖励。通过将世界模型学习与下游任务分离，RAW-Dream实现了VLA的零样本适应，实验表明在模拟和现实世界场景中均取得了性能提升。 AI

影响 通过消除对任务特定数据的需求，实现了VLA模型向新任务更具可扩展性的适应。

排序理由 该集群包含一篇学术论文，详细介绍了AI模型适应的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yucen Wang, Rui Yu, Fengming Zhang, Junjie Lu, Xinyao Qin, Tianxiang Zhang, Kaixin Wang, Li Zhao ·

    Reinforcing VLAs in Task-Agnostic World Models

    arXiv:2605.12334v2 Announce Type: replace Abstract: Post-training Vision-Language-Action (VLA) models via reinforcement learning (RL) in learned world models has emerged as an effective strategy to adapt to new tasks without costly real-world interactions. However, while using im…

相关实体

相关话题