arXiv · cs.AI · Xicheng Gong, Wenxuan Song, Chengze Liu, Qiwei Li, Qize Yu, Jiaolong Yang, Haoang Li, Yadong Mu · 8 小时前模型评分43
JADE：让视觉语言模型与动作专家联合去噪的机器人动作生成方法
Vision-Language Models Are Joint Denoisers in Robotic Action Generation
导读
研究者提出 JADE，让视觉语言模型（VLM，Vision-Language Model）在扩散式视觉-语言-动作（VLA，Vision-Language-Action）模型的每一步去噪中读取带噪动作并引导动作专家，而非只提供静态条件。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：foundation-models，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce JADE, a Joint Action DEnoiser that enables the VLM and action expert to jointly refine actions.”
来源：arXiv · cs.AI · arxiv.org