ACG-Bench测双臂VLA组合泛化,AE-VLA把成功率从3%拉到21.5%

Zaibin Zhang · hf · 2026-10-06

新基准 ACG-Bench 聚焦双臂视觉-语言-动作模型的「按臂组合泛化」——把熟悉的原子技能以新方式在双臂间重组:

基准构成:8 个任务族 23 对任务-条件,含 6 个域内条件和 17 个未见组合(重排序、同步、二者结合、跨任务组合),要求同时达成目标、物理里程碑与顺序/时序约束。
架构对比:以 π{0.5} 为共同骨干,比较臂 token 分组、SkillLoRA 技能专用适配器与按臂注意力(AWA);组合三者得到 AE-VLA,仿真泛化成功率 21.53%,远超单 π{0.5} 的 2.94%、MA-VLA 的 3.06% 与两个独立控制策略的 5.53%。
真机验证:在 SO101 真机上,AE-VLA 在五个未见条件下平均成功率 39.00%,最强基线仅 10.00%,为设计可泛化的双臂策略提供实证指引。

「具身」频道最新