arXiv · cs.RO· Dabin Seo·· 18 小时前精选AI 评分70
VLA应如何信任其推理？基于测量动作值函数的步级引导
How Much Should a VLA Trust Its Reasoning? Step-Level Guidance as a Measured Action-Value Function
AI 导读
Dabin Seo提出Q-adaptive guidance方法，通过测量而非自举确定推理权重，在Alpasim驾驶 simulator和Waymo端到端驾驶基准上超越固定权重和在线RL方法，在隐藏测试集上达到8.135159的评分，创下新SOTA。
推荐理由
通过测量而非自举确定推理权重，Q-adaptive guidance在Waymo驾驶基准上创下新SOTA，展示了推理强度自适应的价值。
来源：arXiv · cs.RO · arxiv.org