arXiv · AI· Yitong Chen, Shiduo Zhang, Jingjing Gong, Xipeng Qiu·· 16 小时前AI 评分33
VLA模型如何实现单步动作生成
Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models
AI 导读
研究发现视觉语言动作（VLA）模型通过偏置训练时间步分布至噪声端点，可高效实现单步动作生成。 该特性源于VLA的条件-目标结构，其不可约速度损失在噪声端点处显著小于图像生成模型。 此发现表明标准Flow Matching对VLA单步生成具有异常高的可行性，相关代码已开源。
来源：arXiv · AI · arxiv.org