LEARNING
QuoVLA：面向视觉-语言-动作模型的商空间框架
Xuan Wang, Yinan Wu, Haoran Duan, Jungong Han
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出QuoVLA，一种基于商空间理论的视觉-语言-动作模型框架，通过量化模块和双分支设计压缩预训练VLM的潜在表示，去除提示级冗余并保留动作相关信息。实验表明该方法在视觉、语言和环境分布偏移下具有优异的泛化性能。
关键词
Vision-Language-Actionquotient spaceaction-sufficient representationgeneralizationrobot control
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018