InDex意图条件微调框架将VLA模型适配灵巧手操作

研究者发布论文，提出意图条件微调框架 InDex，将基于平行夹爪预训练的 VLA 模型适配到多指灵巧操作。该框架用归一化开合度信号监督标量抓取意图，并分两阶段训练末端执行器-意图块与扩散手部解码器。 论文称，配合 π0.5，InDex 在四个仿真任务中平均成功率达 85.8%，比原生策略提升 35.5 个百分点；对几何相近的未见物体，无需微调或重新标定即达到 69.0%。真实世界策略的平均成功率从 71.0% 提升至 83.0%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。