浙大提出 VLA-Δ:显式监督物理状态转移提升机器人控制

OmniAI-ZJU · hf · 2026-10-16

浙江大学 ACES Lab 的 OmniAI 团队提出 VLA-Δ 框架，解决 VLA 模型直接从观测映射到动作、易过拟合观测-动作对应关系的问题。

方法以当前与未来观测之间的物理状态变化作为显式学习目标，构建大规模预训练数据集并标注任务相关的语义与视觉运动变化，为连续动作生成提供更直接的监督。推理时模型直接从当前观测生成动作，不增加任何推理开销。VLA-Δ 在 LIBERO 与 RoboTwin 等基准上达到与 SOTA 相当的性能，真实机器人迁移实验也有提升。