PulseAugur
实时 16:37:40
English(EN) Mixture of Horizons in Action Chunking

机器人VLA模型通过地平线混合策略获得远见

研究人员开发了一种“地平线混合”(MoH)策略,以提高机器人视觉-语言-动作(VLA)模型的性能。该方法解决了固定动作分块长度固有的长期远见与细粒度精度之间的权衡问题。通过并行处理具有不同地平线的动作片段并融合它们的输出来实现这一点,MoH提高了复杂任务的性能和泛化能力。该方法即插即用,开销极小,并支持自适应推理以获得更高的吞吐量。 AI

影响 通过使模型能够平衡长期规划和细粒度控制来增强机器人操作。

排序理由 该集群包含一篇详细介绍改进AI模型新方法的学术论文。[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) · Dong Jing, Gang Wang, Jiaqi Liu, Weiliang Tang, Zelong Sun, Yunchao Yao, Zhenyu Wei, Yunhui Liu, Zhiwu Lu, Mingyu Ding ·

    Mixture of Horizons in Action Chunking

    arXiv:2511.19433v2 Announce Type: replace-cross Abstract: Vision-language-action (VLA) models have shown remarkable capabilities in robotic manipulation, but their performance is sensitive to the $\textbf{action chunk length}$ used during training, termed $\textbf{horizon}$. Our …