跳到正文
arXiv · AI· Min Lin, Bokai Zhou, Jianqi Lin, Kaiyuan Yang, Yicheng Chang, Junjie Yu, Xiaofan Liu, Jianhua Han, Rui Li, Shen Zhao, Xiaodan Liang·· 2026-10-12AI 评分33

AFCE:面向视觉-语言-动作模型的未来操作目标学习

Beyond Actions: Learning Future Operation Targets for Vision-Language-Action Models

AI 导读

视觉-语言-动作策略引入 Action-Future Coupled Effect Learning(AFCE),将未来物理效果作为主要预测目标。 离线分词器构建 Effect tokens,Flow-matching VLA 预测 Effect 后经解码器生成动作。 在 DexJoCo 上整体成功率 50.97%,较 pi0.5 和 UVT 分别提升 11.82 和 15.21 个百分点。

来源:arXiv · AI · arxiv.org