BiCAT 让 VLA 动作 token 学会双臂协调,而非拼成一维向量
DJiafei · x · 2026-11-18
作者 DJiafei 发布 BiCAT(Bimanual Coordination Action Tokenization),针对当前 VLA 动作分词器把双臂压平成单一向量的问题,提出将双臂协调结构直接建模进动作 token。
- 核心洞察:双臂机器人是「两条手臂」而非「关节数翻倍的一条手臂」;人类双臂共享动作库且扮演互补角色(一个扶、一个折,一个递、一个接)。
- 设计:每条手臂拥有独立的 token 流,同时在双臂间共享运动模式,并显式建模协调关系。
- 镜像技巧:双臂共享同一工作空间且关于身体对称,BiCAT 将右臂带符号关节取反,使镜像动作映射到相同 token。
所属事件:NUS 提出 BiCAT 双臂协调动作分词器:真机 113/150 成功,推理延迟降 2.7 倍(4 条相关)→
「具身」频道最新
- 双臂两条 token 流共享词表:机器人操作学习新工作开源 — DJiafei · 2026-11-18
- NUS 提出 BiCAT 双臂协调动作分词器:真机 113/150 成功,推理延迟降 2.7 倍 — DJiafei · 2026-11-18
- 初创公司给日结工人戴 Meta 眼镜采集第一视角视频卖给机器人公司 — hiclemi · 2026-11-18
- NVIDIA RTX Spark 紧凑桌面上市:128GB 统一内存跑本地 Agent — NVIDIA Blog · 2026-11-18
- 加州圣贝纳迪诺县引入自主灭火无人机,目标把山火扼杀在 10 平方英尺内 — import_jmr · 2026-11-18
- 用 AI 把照片捏成 3D 场景投到 Vision Pro:最酷 AirDrop 演示 — Scobleizer · 2026-11-18