ActionUNet：多尺度微调提升VLA鲁棒性

Di Zhu、Ziheng Yan、Fang Wan 提交预印本论文，提出 ActionUNet，一个在预训练 VLA 模型上做高效多尺度微调的框架，用于缓解粗粒度语义与细粒度时序执行之间的对齐问题。 作者称，在 RoboTwin 2.0、LIBERO-Plus 基准及真实环境困难评测中，ActionUNet 使 π0.5 的成功率分别绝对提升 9.8%、6.1%、11.4%，并可迁移到基于回归的 OpenVLA-OFT 骨干。上述结果来自作者自述，论文为预印本，尚未经同行评议或独立验证；代码与实现细节已公开。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。