StableVLA

新的R2A框架增强了VLA策略在视觉变化下的鲁棒性

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。