VLA Conditioning进阶
EC-VLA与VA-VLA:用EMG和视觉标注替代语言,杂乱场景任务完成度大幅提升
这是一篇预印本,未经同行评审。作者将8通道EMG包络或视觉分割标注作为连续条件,替换VLA模型中固定的描述性语言提示,分别微调SmolVLA与π0.5。在SO-101真机方块抓取和RoboCasa仿真16项任务中,两种模型在杂乱分布外场景均显著超越语言基线,其中EC-VLA杂乱场景成功率从30%升至50%,VA-VLA从11%升至20%。结果表明非语言模态可作为VLA任务条件的有效补充。