arXiv Robotics· Qishen Wang, Pengxiang Ding, Shifeng Bao, Mingyang Sun, Hengtao Li, Yi Gao, Baohua Yin, Yang Liu, Jiajun Fu, Jiacheng Liu, Changjing He, Peiyang Li, Runze Suo, Yan Wang, Xiaobo Wang, Yonghao Dang, Cheng Chi·· 13 小时前AI 评分34
ODEAction：从动作分块预测到连续动作演化
ODEAction: From Predicting Chunks to Evolving Actions
AI 导读
ODEAction 提出无分块的动作生成范式，用连续动作演化替代动作分块预测，在动作空间上学习一个动作转移场，并以当前动作为初始条件通过 ODE 积分递归生成后续动作。该模型以动作头形式实现，不依赖特定视觉语言主干架构。在 LIBERO、EBench、RoboTwin 和真实机器人上的实验显示，其任务表现与轨迹质量均优于匹配的动作分块基线，精细操作任务提升尤为明显。
推荐理由模型分析
ODEAction 针对 VLA 模型按动作块预测导致块间不连续的问题，改为在动作空间上学习转移场，用 ODE 从当前动作递推生成后续动作，并做成可插拔动作头、不绑定特定视觉语言主干。在 LIBERO、EBench、RoboTwin 和真机上与动作分块基线对比，报告任务表现和轨迹质量提升，精细操作增益更明显。做机器人操作策略的开发者可据此比较分块与连续生成在精细任务上的差异，但结论仍限于论文实验条件。
来源：arXiv Robotics · arxiv.org