站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
GeoAAC：VLA策略中基于去噪轨迹的几何自适应动作分块
GeoAAC: Geometry-Based Adaptive Action Chunking from Denoising Trajectories in VLA Policies
摘要显示，现有视觉-语言-动作（VLA）策略多采用固定动作时域，难以适应任务不同阶段对动作连续性、控制精度与闭环反馈的差异化需求。作者提出GeoAAC，利用Flow Matching去噪轨迹的几何信息刻画预测可靠性，发现动作前缀的几何变化与预测不确定性正相关，据此构建逐时域几何轮廓，在单次生成中自适应确定动作时域，无需额外训练。在GR00T N1.5与π0.5上、于LIBERO、LIBERO-Pro、RoboCasa365及真实操作任务中，相比固定时域基线与现有自适应方法均有提升，仿真最高提升8.7个百分点，真实世界平均成功率由53.3%升至74.4%。
意义：为VLA策略提供免训练的自适应动作时域机制，提升长程操作任务的成功率与灵活性，对机器人策略部署有直接参考价值。