Retrieve to Act: Motion Primitive Graph Retrieval for Robust VLA Execution
Pubblicata su AIChronos il · fonte del · Pham Tri Quang, Bao-Ngoc Dao, Minh Duc Nguyen, Duc-Duy Nguyen, Hung T. Ho, Linh Dang Le
Il framework Retrieve to Act (R2A) affronta la vulnerabilità dei policy Vision-Language-Action (VLA) agli spostamenti visivi fuori distribuzione (OOD), strutturando le dimostrazioni di addestramento in un grafo spaziotemporale di motion primitive. Durante l'inference, una Graph Neural Network localizza dinamicamente l'esecuzione del robot nel grafo per recuperare prior geometriche compatibili con la query corrente. Questi priori vengono armonizzati con le azioni predette dal VLA tramite un meccanismo di gating dimensionale appreso, correggendo traiettorie errate senza modificare il policy base.
- R2A trasforma il problema della robustezza OOD in una questione puramente geometrica di retrieval di motion primitive.
- Il framework bypassa le fragili feature visive utilizzando un grafo offline costruito da dimostrazioni di addestramento non corrotte.
- Non richiede alcun fine-tuning dei policy VLA alla base, mantenendo intatta la reattività locale del modello originale.
- Raggiunge miglioramenti assoluti fino al +40% nel successo delle operazioni in ambienti reali (real-world deployments).
- È stato testato su architetture state-of-the-art come GR00T N1.7, π₀.₅ e StableVLA.
Perché conta. Per gli sviluppatori di agenti autonomi locali o sistemi VLA, R2A offre un metodo scalabile per garantire robustezza senza il costo computazionale del fine-tuning continuo dei modelli base.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.