首页 /研究 /CLAP:通过语言-动作接地实现从VLM到VLA的直接适配
MANIPULATION

CLAP:通过语言-动作接地实现从VLM到VLA的直接适配

Yuri Ishitoya, Jeremy Siburian, Masashi Hamaya, Kuniaki Saito, Cristian C. Beltran-Hernandez, Mai Nishimura

发表年份
2026
访问权限
开放获取

摘要

本文提出CLAP方法,通过在动作序列前添加自然语言描述,在不修改骨干架构的情况下将预训练VLM转化为VLA,解决了输出分布不匹配问题。实验表明,单轮微调即可在LIBERO上达到90.8%的成功率,并在多种扰动下表现出更强的鲁棒性。

关键词

VLAlanguage groundingfine-tuningrobustnessaction prediction

相关论文

查看 MANIPULATION 分类全部论文