arXiv · ML· Nikolaos Tsagkas, Andreas Sochopoulos, Chris Xiaoxuan Lu, Oisin Mac Aodha, Alexandros Kouris·· 2026-10-12AI 评分41
w²VLA 解耦视觉-语言-动作模型中的陈述性与程序性知识
Decoupling the Declarative from the Procedural in Vision-Language-Action Models
AI 导读
研究人员提出 w²VLA 模型,通过重组信息流将 VLM 编码器输出中的陈述性概念与程序性技能解耦。 该模型以可解释的模块化方式调节机器人状态序列,取代了不透明的 Transformer 动作专家结构。 实验显示 w²VLA 在行为克隆和跨未见物体的零样本技能迁移上具有前所未有的能力。
来源:arXiv · ML · arxiv.org