R2A测试时检索框架提升VLA分布外鲁棒性

论文作者发布Retrieve to Act（R2A），一种测试时扩展框架，把VLA策略在分布外视觉偏移下的鲁棒性问题转化为几何运动基元检索问题。R2A通过离线构建时空运动基元图，用查询依赖的图神经网络定位机器人执行状态，再经维度级门控机制与冻结的VLA预测动作融合，无需对基础策略做任何微调。 论文作者称，R2A在LIBERO-Plus、RoboTwin2.0-Plus仿真基准上带来最高+12%的绝对成功率提升，在真实环境部署中最高提升+40%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。