★ 3
SpikingVLA 发布：异步脉冲视觉语言动作模型
论文提出 SpikingVLA，一个 ANN-to-SNN 转换框架，通过树突整合发放（DIF）神经元与异步执行机制，实现低延迟脉冲 VLA 推理。相比现有脉冲 VLA 方法，成功率与 SPL 分别提升 11.9% 和 12.6%，首动作延迟降低 11.2 倍。
arXiv NLP24 天前
#视觉语言动作
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
X-Planner：具身智能的事件结构化任务规划
论文提出X-Planner规划前端，解决具身推理的监督与表示问题。模型共享VLM骨干，提供离散事件状态接口与通过阶梯解码传递连续思维链状态的潜在接口。离线两步规划评测中，X-Planner在BERTScore-F1与评判总分上位列四模型第二，真机实验优于基线。
arXiv cs.AI39 天前
★ 2
DIVA：面向视觉-语言-动作策略的双空间意图感知视觉衰减
论文提出 DIVA，一个双空间意图感知视觉衰减模块，采用「先锚定后衰减」设计，结合高层任务意图与低层视觉证据估计逐 patch 相关性，在骨干入口前重加权视觉 token 并在骨干内持续衰减低相关视觉状态。在 LIBERO 上，DIVA 将 OpenVLA-OFT 平均成功率从 96.6% 提升至…
arXiv cs.AI24 天前