ExecVLA：双层动作表示提升细粒度执行约束跟随

Gaoge Han 等作者提出 ExecVLA 框架，通过双层动作表示和监督式双层推理 token，把视觉-语言-动作（VLA）模型的目标导向组件与执行特定组件分离，并引入目标不变性和执行可预测性目标，使模型在完成目标的同时更可靠地遵循指令中的细粒度执行约束。 研究在仿真环境与 Realman-75 机器人上构建了执行约束遵循数据集，并在 LIBERO 及真实机器人上验证，称目标完成度得到提升，对指令指定执行约束的跟随也更可靠。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。