研究只靠检索附近演示并复用其动作片段,在 LIBERO 仿真基准上取得 91.7% 的成功率,无需训练策略;对九个公开 VLA 的分析显示,微调主要让视觉 - 语言主干成为更好的检索键,输出动作仍贴近训练演示,评估与源码已开源。
正文完
研究只靠检索附近演示并复用其动作片段,在 LIBERO 仿真基准上取得 91.7% 的成功率,无需训练策略;对九个公开 VLA 的分析显示,微调主要让视觉 - 语言主干成为更好的检索键,输出动作仍贴近训练演示,评估与源码已开源。