arXiv · cs.RO官方发布· Duc Minh Nguyen, Bao-Ngoc Dao, Tung M. Luu, Binh Gia Nguyen, Vinh Tong, Anji Liu, Vu N. Duong, Dung D. Le, Daniel Sonntag, Trung Le, Ngan Le, Jan Peter, An Thai Le, Minh Nhat Vu, Mathias Niepert, Khoa D. Doan, Duy M. H. Nguyen, Vien Anh Ngo·· 2 小时前AI 评分58
论文 / 摘要阅读
SDN：通过筛选扩散噪声在测试时提升VLA策略鲁棒性
Test-Time Improvement of VLA Policies via Selected Diffusion Noise for Spurious-Robust Action Smoothing
AI 导读 · 根据来源整理
作者提出Selected Diffusion Noise（SDN），一种免训练方法，把扩散噪声当作可控自由度来提升VLA策略的测试时可靠性。SDN采样多个候选动作块并做两阶段筛选：先用反事实负样本集按任务相关视觉 grounding 过滤候选，再按JerkRMS选出运动学上最稳定的动作块。在三种VLA策略上、覆盖仿真与真实环境，分别取得8-10%和18.33%的提升。论文针对扩散式VLA策略因虚假视觉依赖和随机动作生成导致的 grounding 失败与运动学不稳定问题，但摘要未给出具体任务、机器人数量与试验规模。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org