跳到正文
热点事件持续更新

A²-VLA框架:通过可供性发现适应新工具

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Chenyuan Zhou等人在arXiv(cs.AI)提出A²-VLA,一个结合具身智能体与视觉-语言-动作(VLA)策略的工具适应框架,目标是为新工具操作技能提供可迁移的适应方案。该框架通过自主重建仿真场景,发现任务相关的可供性(affordance),以支持模型对新工具的感知与动作规划。 在技术实现上,A²-VLA采用π₀.₅骨干网络进行训练,并通过在模拟环境中进行跨工具轨迹重定向,实现对新工具操作的有效策略适应。实验结果显示,其在模拟场景中的跨工具轨迹重定向成功率为86.1%。 在真实机器人任务测试中,A²-VLA框架相较基线方法使任务成功率提升30.7个百分点,验证了其在真实物理环境中通过可供性发现增强工具适应性的有效性。

AI 根据报道生成 · 16 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · AI
    A$^2$-VLA 框架:通过智能体可供性发现适应新工具的视觉-语言-动作策略

    A$^2$-VLA 提出结合具身智能体与 VLA 策略的工具适应框架,在真实机器人任务中使成功率提升 30.7 个百分点。 该框架通过重建仿真场景自主发现任务相关可供性,利用 $\pi_{0.5}$ 骨干网络进行训练,在模拟跨工具轨迹重定向中实现 86.1% 成功率。

本事件热度走势

可比范围当前
6
可比范围峰值
1011月20日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。