跳到正文
arXiv · ML· Hanbo Zhang, Lianlei Shan, Liuhaichen Yang, Zezhi Tang·· 3 天前AI 评分27

PlanDiv:通过潜在计划实现视觉语言动作模型测试时缩放

PlanDiv: Test-Time Scaling with Latent Plans for Vision-Language-Action Models

AI 导读

提出 PlanDiv 动作头,利用潜在计划假设提升视觉语言动作模型测试时缩放效果。 轻量级规划器提出 K 个潜在计划假设,共享掩码扩散执行器解码动作块;仅在演示数据上训练,无需计划标签或奖励。 在 CALVIN ABC→D 五任务链上成功率从 56.9% 提升至 69.9%,LIBERO-Long 上 4 个计划消除 40% 单候选失败案例。

来源:arXiv · ML · arxiv.org