InteractVLA把VLA变成可操控工具:智能体给出末端位姿,LIBERO-Plus成功率99.4%
视觉语言智能体调用机器人策略时,过去只能发一句语言指令,策略失败后重试几乎重复同一动作,改写指令又会把策略推出分布。InteractVLA在测试时建立双向几何接口:智能体指定末端执行器的位置、朝向和夹爪状态,经可微映射转成动作专家的输入梯度来引导生成,再把生成的动作块与标定相机重投影回传给智能体用于诊断和修正。在LIBERO-Plus、RoboDojo和RoboCasa365上,配合递归自我改进的InteractVLA分别达到99.4%、48.62%和89.4%的总成功率。