研究者提出VLA-Dreamer架构，利用世界模型改进VLA行为
研究者提出在VLA视觉编码器嵌入空间训练预测性世界模型的新架构，以提升样本效率并探索短期规划能力
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
arXiv刊发一篇概念论文，作者为Parsa Mastouri Kashani、Jan-Gerrit Habekost与Stefan Wermter，提出一种名为VLA-Dreamer的新架构，旨在改善视觉-语言-动作模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身（VLA）在机器人控制中的数据效率问题。
论文指出，VLA虽在机器人控制上展现出较强潜力，但依赖大量高质量模仿学习数据，且缺乏显式世界模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身，使其控制能力受到质疑。为此，作者提出在VLA视觉编码器的嵌入空间上训练预测性世界模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身，假设这些嵌入与动作相关并可用于未来预测。
该架构与标准世界模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身动力学的区别在于，其损失来自嵌入空间而非像素空间，类似联合嵌入预测架构。论文表示，训练后的世界模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身可通过给定目标图像采样VLA动作，用于短期规划任务。作者计划进一步考察VLA视觉嵌入的丰富程度，并借助该世界模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身在推理阶段生成规划，以降低对高数据量的依赖。