arXiv Computer Vision· Qiangong Zhou, Jiafeng Liang, Yimin Dong, Yang He, Hongxiang Li·· 2 小时前AI 评分31
VLA 模型中的 TTT：探索用人类演示训练
TTT in VLA Models: Exploring Training with Human Demonstrations
AI 导读
研究将 Test-Time Training（TTT）接入 InternVLA-A1 和 Pi0.5，通过配对演示与机器人轨迹训练，考察演示条件下的动作生成。实验显示，在当前规模下加入 TTT 并用配对数据训练，未能稳定实现基于演示的目标选择；缩短序列、全轨迹梯度连通和对比正则也未明显提升对演示的响应。演示缩减为单帧线索时，真机执行仍偏好固定位置的杯子。
来源：arXiv Computer Vision · arxiv.org