arXiv Robotics· Zuojin Tang, Haoyun Liu, Xinyuan Chang, Changjie Wu, Dongjie Huo, Yandan Yang, Bin Liu, Zhejia Cai, Feng Xiong, Mu Xu, jiachen Luo, De Ma, Zhiheng Ma, Gang Pan·· 5 小时前AI 评分41
ALAM：面向视觉-语言-动作模型的代数一致潜在动作模型
ALAM: Algebraically Consistent Latent Action Model for Vision-Language-Action Models
AI 导读
ALAM 通过帧三元组学习受组合一致性与可逆一致性正则化的潜在转移，构建局部可加的转移空间，并将冻结编码器的潜在转移序列作为辅助生成目标，与机器人动作在联合 flow-matching 目标下共同生成。
推荐理由模型分析
针对机器人动作标注数据稀缺、无动作视频丰富的矛盾，ALAM用帧三元组学习受组合与可逆一致性约束的潜在转移，并将其作为辅助生成目标与动作联合流匹配，避免潜在到动作的解码。探针显示加性与可逆误差较无结构基线降低25–85倍，MetaWorld MT50成功率从47.9%升至85.0%，LIBERO从94.2%升至98.1%，并附真实任务结果与代码，可供VLA研究者复现比较。
来源：arXiv Robotics · arxiv.org