arXiv cs.RO 机器人学· Nikolaos Tsagkas, Andreas Sochopoulos, Chris Xiaoxuan Lu, Oisin Mac Aodha, Alexandros Kouris·· 2 小时前精选AI 评分55
w²VLA：解耦视觉-语言-动作模型中的声明性与过程性知识
Decoupling the Declarative from the Procedural in Vision-Language-Action Models
AI 导读
论文提出新的 VLA 模型 w²VLA，通过重构信息流，以可组合、可解释的方式将视觉、空间和技能信息调制到机器人状态序列上，而非把 VLM 编码器的全部多模态 token 输入大型不透明的 transformer 动作专家。作者称该模块化方法成功解耦了知识表示，实现了稳健的行为克隆，并在差异较大的未见物体上展现出零样本技能迁移能力。
推荐理由
论文指出当前 VLA 模型难以解耦声明性与过程性知识，为理解零样本技能迁移的瓶颈提供了分析框架。
来源：arXiv cs.RO 机器人学 · arxiv.org