跳到正文
arXiv · AI· Zuojin Tang, Haoyun Liu, Xinyuan Chang, Changjie Wu, Dongjie Huo, Yandan Yang, Bin Liu, Zhejia Cai, Feng Xiong, Mu Xu, jiachen Luo, De Ma, Zhiheng Ma, Gang Pan·· 10 天前AI 评分40

ALAM:代数一致的潜在动作模型用于视觉-语言-动作系统

ALAM: Algebraically Consistent Latent Action Model for Vision-Language-Action Models

AI 导读

提出代数一致的潜在动作模型 ALAM,通过重建、组合与逆一致性约束,利用无动作视频为视觉-语言-动作模型提供结构监督。 下游学习中冻结预训练编码器,将其潜在转移序列作为辅助生成目标,与机器人动作在联合 flow-matching 目标下共同生成。

来源:arXiv · AI · arxiv.org