Action-only baseline

新的PLaCA框架通过预测未来潜在变化来增强机器人动作生成

研究人员开发了PLaCA，一个用于视觉-语言-动作（VLA）模型的新框架，旨在通过预测斑块级别的未来环境变化来改进机器人动作生成。这种方法直接建模特定图像区域的潜在变化，避免了全图像预测的计算成本和高度压缩的潜在空间的信息损失。在LIBERO-Long数据集上的实验表明，PLaCA的成功率为79.0%，比基线提高了5.0个百分点，并在CALVIN数据集上增强了序列长度，同时仅需最少的参数更新。