HuggingFace Daily Papers· Lingsen Zhang, Wei Li, Jie He, Henghua Zhang, Kai Mo, Shiyong Li, Yanpeng Wang, Rui Shao·2026-10-19 04:00· 7 天前精选AI 评分65

Vision-Language-Delta-Action: 学习紧凑Delta作为机器人操作的可操作转换接口

Vision-Language-Delta-Action: Learning Compact Deltas as Actionable Transition Interfaces for Robotic Manipulation

AI 导读

本文提出Vision-Language-Delta-Action(VLDA)范式，将完整未来预测重构为紧凑可操作的转换建模。其核心是紧凑的Delta变量，作为视觉语言理解与动作生成的接口。实验表明VLDA提高了长时一致性、鲁棒性和泛化能力。

推荐理由

通过紧凑的Delta变量作为视觉语言理解与动作生成的接口，VLDA模型降低了机器人学习负担，提升了长时一致性和鲁棒性。