← 视觉 · 语言 · 动作 / 多任务与跨本体

正式发表 / Vision–Language–Action

UniVLA

Learning to Act Anywhere with Task-centric Latent Actions

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
任务相关与无关潜动作的分离RSS 2025 · Fig. 2 · p.4 ↗

先在表征空间分离任务无关和任务相关变化,再以任务中心潜动作监督通用策略,最后训练动作解码接口。

  1. 01学习任务中心潜动作
  2. 02预训练潜动作策略
  3. 03适配可执行动作头
UniVLA任务相关与无关潜动作的分离
任务相关与无关潜动作的分离

先在表征空间分离任务无关和任务相关变化,再以任务中心潜动作监督通用策略,最后训练动作解码接口。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

先在表征空间分离任务无关和任务相关变化,再以任务中心潜动作监督通用策略,最后训练动作解码接口。

WHY READ IT

为什么放在这条路线

与 VQ-BeT 量化真实动作区分,UniVLA 从视频转移中提取潜动作;下游仍需映射到具体机器人控制。

当前阶段多任务与跨本体 ↗

不同数据、本体和视觉语言知识如何共享?

READ WITH A QUESTION

读的时候,留意什么

潜动作预训练无需真实动作标签,不等于部署时无需动作数据或本体适配;图展示潜动作学习模块。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器