跳到主要内容
检索

Zhengtu Liang

1 篇关联报道

订阅更新
  1. arXiv

    机器人动作生成换一种预测目标:UniVEP 单次网络评估达 61.36%,超过单目标基线十六步的 59.96%

    流匹配机器人策略通常全程只预测一个目标,但把动作从噪声中恢复与把接近干净的动作修得更准,是两个不同的任务。UniVEP 在同一个动作网络里同时训练端点预测与速度预测,用一致性约束对齐两者,采样时在高噪声阶段用端点、低噪声阶段切到速度,每一步仍只跑一次网络。在 RoboTwin 上,StarVLA 配 UniVEP 单次评估取得 61.36% 成功率,高于最强单目标基线十六次评估的 59.96%;LiLa-WAM 配 UniVEP 两次评估达 85.96%,超过单目标十六步的 82.60%,动作生成延迟降低 77.1%。

已读完全部报道