TX-G2

新的S2框架通过证据预算提升VLA模型泛化能力

研究人员开发了一个名为S2（See Less, Specify More，少看多说）的新框架，以增强视觉-语言-动作（VLA）模型的泛化能力。S2通过保留高级指令并用更具体的语言重新标注轨迹来优化执行器的训练。它还强制执行视觉证据预算，训练模型根据任务充分的视觉信息而非无约束的上下文来行动。这种方法显著提高了机器人在实际任务中的成功率，在TX-G2和HSR机器人上将平均子任务成功率从54.2%提高到79.0%。