arXiv · AI· Jingye Zhang, Choo Sin Wai, Dake Zhong, Zhifang Liu, Yuhong Zhang, Siyao Xiao, Guorui Song, Guocun Wang, Dongbin Zhang, Peng Jiao, Haoqian Wang·· 11 天前AI 评分21
SURE:用于高效视觉-语言-动作学习的时空不确定性表示框架
SURE:Spatiotemporal Uncertainty Representation for Efficient Vision-Language-Action Learning
AI 导读
SURE 是一种数据高效的视觉-语言-动作(VLA)训练框架,通过显式建模空间和时间不确定性来降低对演示数据的依赖。该框架结合轻量级转置卷积概率动作解码器与 Soft-DTW 对齐监督,以捕捉动作间的局部相关性并适配时序差异。在 LIBERO 和 RoboTwin 2.0 评测中,SURE 仅使用 10% 的演示数据或 20% 的训练步数,其操作成功率即可匹配或超越基线模型。
来源:arXiv · AI · arxiv.org