Hugging Face · 每日论文· 媒体 / 作者来源·精选
Echo：视觉语言动作模型中的耦合动作和任务状态信号去噪
原文标题
Echo: Coupled Action and Task Status Signal Denoising for Vision Language Action Models
AI 导读
Echo是一种框架，它结合了任务状态信号学习，无需帧级进度注释，以及在一个视觉语言动作（VLA）中预测和生成状态的紧凑设计。Echo通过将停止和失败信号作为每个动作块的二维添加，并与机器人动作一起去噪来表示任务状态。为了在没有细粒度进度注释的情况下学习这些信号，Echo构建了成功、失败和恢复轨迹，具有互补的监督属性。Echo通过控制信号和动作之间的交互，并比动作更快地去噪信号，来实现状态信号引导的动作生成。广泛的实际操作实验表明，Echo可以准确地预测任务状态，并一致地提高策略性能。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
Echo框架通过创新的方法提高了视觉语言动作模型中任务状态信号的预测和动作生成能力，这对于机器人执行决策和任务恢复具有重要意义。
导读由模型辅助整理，非独立核验。完整信息见原文。