VLA Conditioning中級
EMGと視覚アノテーションによるVLAの連続条件付け、EC-VLAとVA-VLAが乱雑場面で優位に
ジョンズ・ホプキンス大学応用物理研究所の研究チームは、ロボット操作のVision-Language-Actionモデルに対し、8チャンネルのEMG包絡線を固有受容ベクトルに連結するEC-VLAと、画像にセグメンテーション注釈を加えるVA-VLAを構築した。キューブ選択タスクとRoboCasaのピックアンドプレースで評価し、EC-VLAは整然環境で言語プロンプトのSmolVLAに匹敵し、乱雑環境では成功率が0.30から0.50に向上した。VA-VLAも乱雑環境で完了スコアが0.35から0.51に向上した。これはプレプリントである。