LEARNING
动作QFormer：视觉-语言-动作模型中动作监督下的结构化表征塑造
Yufeng Ji, Wenhao Tang, Haoyi Niu, Koushil Sreenath, Yi Wu, Zhongyu Li
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文研究了视觉-语言-动作模型中动作监督对多模态表征的双重影响，并提出Action QFormer，一种基于查询的动作接口，通过指令条件查询重组多模态信息为动作导向表征。实验表明，该方法在零样本模拟到真实导航中显著提升了任务成功率，并减少了分布外指令生成。
关键词
vision-language-actionaction supervisionrepresentation shapingquery-based interfacesim-to-real
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