arXiv Computer Vision· Qi Lu, Jiarun Li, Ce Zhang, Miao Pan, Yi Pan, Xu Wang, Wenqi Zhang, Xuhong Zhang·· 2 小时前AI 评分30
VLA-Δ：为视觉-语言-动作模型学习物理状态转移
VLA-$\Delta$: Learning Physical State Transition for Vision-Language-Action Models
AI 导读
VLA-Δ 提出以当前与未来状态间的物理变化作为显式学习目标的通用框架，并构建大规模预训练数据集及物理状态转移标注，为连续动作生成提供更直接监督。推理时模型直接从当前观测生成动作，无额外推理开销。VLA-Δ 在 LIBERO 和 RoboTwin 上达到与 SOTA 相当的性能，并在真机实验中优于 π₀.₅。
来源：arXiv Computer Vision · arxiv.org