arXiv cs.CV· Kyusong Lee, Heting Ying, Tiancheng Zhao·· 4 小时前AI 评分33
VLX-Go：多阶段学习与在线策略精炼实现鲁棒的具身追踪
VLX-Go: Robust Embodied Tracking through Multi-Stage Learning and On-Policy Refinement
AI 导读
VLX-Go 通过视觉-语言对齐、多模态推理中期训练与追踪专精的多阶段方案，把干扰物追踪成功率从 OmTrackVLA 的 41.54% 提升到 55.80%。追踪专精阶段使用 19,532 条 oracle 轨迹。用过滤 oracle 标签做 on-policy refinement 后，成功率再提升 2.42 个百分点至 58.22%，碰撞率降低 1.99 个百分点。
来源：arXiv cs.CV · arxiv.org