arXiv cs.AI· Yixiang Zhu, Yonghao Chen, Jiaxiang Zou, Yusong Hu, Xinyu Chen·· 1 天前AI 评分31
DEFLECT 提出时序反事实偏好学习，提升异步 VLA 策略的抗延迟鲁棒性
DEFLECT: Temporal Counterfactual Preference Learning for Delay-Robust Asynchronous VLAs
AI 导读
DEFLECT 是一个离线后训练框架，利用训练数据中的执行时刻观测构建时序反事实对比，对基于陈旧输入动作的策略进行偏好监督，解决异步推理中预测时刻与执行时刻状态错位问题。在 Kinetix、LIBERO 和三个真实机器人任务上，最长支持延迟下相比 VLASH 在 Kinetix 提升 4.2 个百分点成功率，相比朴素异步执行的 GR00T N1.7 在 LIBERO 提升 22.7 个百分点。
来源：arXiv cs.AI · arxiv.org