← 视觉 · 语言 · 动作 / 动作分布与效率VLA 解码与动作目标对比OpenVLA-OFT · 原文 Fig. 2 · p.3 ↗
正式发表 / Vision–Language–Action
OpenVLA-OFT
Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success
RSS · 2025
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
保留 OpenVLA 预训练基础,通过并行解码、动作分块和连续 L1 回归调整微调方式,改善速度与任务成功率。
- 01装入动作查询 token
- 02并行预测动作块
- 03用连续回归微调
THE IDEA
它在解决什么
保留 OpenVLA 预训练基础,通过并行解码、动作分块和连续 L1 回归调整微调方式,改善速度与任务成功率。
WHY READ IT
为什么放在这条路线
用受控设计对比解释 VLA 的推理瓶颈,也提供连续动作不一定需要扩散采样的实例。
READ WITH A QUESTION
读的时候,留意什么
这是微调方案研究,不是重新预训练的新基础模型;收益依赖任务、硬件与动作块长度。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器