HAF-VLA人形机器人分层动作流框架

2026年10月20日，arXiv Robotics 刊出 Langzhe Gu 等作者的报道，提出 HAF-VLA——一个面向人形机器人全身移动操作的视觉-语言-动作（VLA）分层动作流框架。该框架基于预训练流匹配 VLA，继承视觉-语言前缀编码器与动作专家权重，并通过可学习阶段嵌入和跨阶段 KV-cache 条件机制，依次生成移动与头部指令、腰部细化及全身操作动作。报道称，在六项真实世界任务中，该框架显著提升了现有模型的人形移动操作性能。目前事件进展停留在框架提出与任务验证阶段，尚无后续跟进报道。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。