arXiv cs.CV· Qi Lu, Jiarun Li, Ce Zhang, Miao Pan, Yi Pan, Xu Wang, Wenqi Zhang, Xuhong Zhang·· 3 小时前AI 评分35
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 提出以当前状态与未来状态之间的物理变化作为显式学习目标，让视觉-语言-动作模型不再只拟合观测与动作的对应关系。它配套构建了大规模预训练数据集，生成覆盖任务相关语义与视觉运动变化的物理状态转移标注；推理时直接从当前观测生成动作，无额外开销。该框架在 LIBERO 和 RoboTwin 上取得与 SOTA 相当的性能，真实机器人实验中优于 π0.5，代码已开源。
来源：arXiv cs.CV · arxiv.org