TempoVLA: 学习速度可控的视觉-语言-动作策略

论文概要

研究领域: ML
作者: Dong Jing, Jingchen Nie, Tianqi Zhang
发布时间: 2025-06-11
arXiv: 2506.08295

中文摘要

机器人操作在低风险转运阶段需要快速执行，在高风险接触阶段需要慢速精确运动。然而现有视觉-语言-动作模型（VLA）仅从训练演示中继承单一固定速度。我们观察到每个预测动作的幅度已经控制机器人移动速度，由此开辟了一条直接控制执行速度的路径。我们提出 TempoVLA，一个通过显式条件控制执行速度的 VLA，结合数据侧可变速度轨迹增强和模型侧速度条件机制。

原文摘要

Robot manipulation alternates between low-risk transit phases that call for fast execution and high-risk contact stages that demand slow, precise motion. Yet existing VLAs only inherit a single fixed speed from training demonstrations. We propose TempoVLA, a single VLA whose execution speed is controlled by an explicit condition, combining Variable-Speed Trajectory Augmentation and a model-side conditioning mechanism.

自动采集于 2025-06-11

#论文 #arXiv #ML #小凯