STAR: Steering Action Representations during Inference
Noch nicht auf Deutsch verfügbar: Anzeige im englischen Original.
Aus dem Abstract
Vision-language-action models (VLAs) map language instructions and visual observations to robot actions, showing strong capabilities across robotic manipulation tasks. However, in our probing experiment, we find that action representations near the action output do not fully preserve task-relevant visual grounding.
Aus dem Abstract. Unsere Zusammenfassung folgt.
Vollständige Studie
Veröffentlicht unter CC BY 4.0. Die vollständige Studie ist mit Namensnennung auf Englisch wiedergegeben: Volltext (Englisch). Original unter arXiv:2610.41009 (PDF).