MorphAct提出上下文参数化框架提升VLA策略

Ziyan Liu等发布论文，提出MorphAct上下文参数化框架：用两个耦合生成器随交互上下文变化，为视觉语言模块和动作模块生成低秩更新，耦合关系遵循策略的计算依赖，两者通过原生动作目标联合训练，不需要操作标签或专家适配器目标。 论文称，MorphAct在LIBERO和Meta-World上覆盖三个VLA骨干模型均有提升，最高达16.30%；真实世界评测中相对π0.5最高提升14%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。