arXiv · AI· Chuanke Pang, Junyi Huang, Jianye Fang, Zhijun Zhao, Yaobing Wang, Kun Xu, Xilun Ding·· 8 小时前AI 评分34
InDex：通过意图条件微调将 VLA 模型适配到灵巧操作
Bridging the Morphology Gap: Adapting VLA Models to Dexterous Manipulation via Intent-Conditioned Fine-Tuning
AI 导读
InDex 框架通过引入显式的抓取意图条件，解决了预训练 VLA 模型从并行夹爪接口到灵巧手操作的适应性瓶颈。 在四个模拟任务中，InDex 配合 $\pi_{0.5}$ 使平均任务成功率达到 85.8%，比原生策略提升 35.5 个百分点；在真实世界策略中，平均成功率从 71.0% 提升至 83.0%。 研究识别出手臂与手的协同控制是应用灵巧操作时的关键可操作瓶颈。
来源：arXiv · AI · arxiv.org