arXiv · cs.RO· Xicheng Gong, Wenxuan Song, Chengze Liu, Qiwei Li, Qize Yu, Jiaolong Yang, Haoang Li, Yadong Mu·· 7 小时前精选AI 评分63
论文 / 摘要阅读
JADE：让视觉语言模型与动作专家联合去噪的 VLA 方法
Vision-Language Models Are Joint Denoisers in Robotic Action Generation
AI 导读 · 根据来源整理
JADE 提出让预训练视觉语言模型（VLM）与扩散动作专家联合去噪，而不是只让 VLM 提供静态条件。其做法是让 VLM 在每一步去噪中读取带噪动作、视觉观测和语言指令，通过门控交叉注意力引导动作专家，并监督 VLM 从带噪潜变量恢复干净动作潜变量，从而获得直接的动作学习信号。联合去噪还使采样步数减少，配合自适应步长调度平衡性能与推理时延。在 RoboDojo 上，JADE 平均成功率为 12.67%。
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