★ 3
PAIR：打通视觉-语言-动作模型的感知与行动
论文提出 PAIR 框架，在视觉-语言-动作（VLA）模型中学习共享的感知-行动表示。训练时用掩码动作自编码器编码专家动作块，桥接模块提取任务相关特征并生成 Bridge Tokens 注入动作 token。在 LIBERO-Plus 上 VLA-Adapter 成功率从 59.1% 提升至 64…
arXiv cs.AI25 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 PAIR 框架，在视觉-语言-动作（VLA）模型中学习共享的感知-行动表示。训练时用掩码动作自编码器编码专家动作块，桥接模块提取任务相关特征并生成 Bridge Tokens 注入动作 token。在 LIBERO-Plus 上 VLA-Adapter 成功率从 59.1% 提升至 64…