JADE：VLM与动作专家联合去噪生成动作

Xicheng Gong等作者发布预印本论文，提出JADE方法：让预训练视觉语言模型（VLM）在扩散去噪的每一步读取带噪动作、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，使VLM获得直接的动作学习信号，而非只提供静态条件。 作者称，在RoboDojo基准上JADE平均成功率为12.67%，在受评估的基于π0.5的方法中最高；在RoboTwin 2.0上性能提升，在四个真实双臂任务上平均成功率较π0.5提高20.8个百分点。联合去噪使采样步数减少，配合自适应步长调度平衡性能与推理时延。上述结果来自论文自述，属预印本，未经同行评议与独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。