论文页面 - τ_0-VLA：一种基于世界模型引导的测试时计算分层机器人基础模型

来源：https://huggingface.co/papers/2608.16885 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

一种分层的视觉-语言-动作模型，通过使用世界模型引导的测试时搜索，为高层子任务决策扩展计算，从而改善长程机器人操作。

长程机器人操作要求机器人既能可靠地执行单个技能，又能在扩展的任务中连贯地将它们排序。大多数分层视觉-语言-动作（https://huggingface.co/papers?q=vision-language-action）（VLA）模型通过单次前向传递做出每个此类决策，没有为困难或关键的选择分配额外计算的机制。我们介绍了 τ_0-VLA，一个分层的机器人基础模型，它通过世界模型引导的测试时计算（https://huggingface.co/papers?q=world-model-guided%20test-time%20computation），将高层子任务生成（https://huggingface.co/papers?q=subtask%20generation）制定为一个可扩展计算的推理问题。在每个推理步骤中，高层策略使用执行记忆（https://huggingface.co/papers?q=execution%20memory）生成一个子任务，并在需要时，搜索备选方案，然后才确定输出。然后，一个底层策略（https://huggingface.co/papers?q=low-level%20policy）在多个机器人实体上执行生成的子任务。该策略在 40,115 小时的异构真实世界数据上使用多模态联合训练（https://huggingface.co/papers?q=multimodal%20co-training）进行训练。在域内和分布偏移的设置中，分配额外的测试时计算显著提高了下一个子任务预测的准确性，这些收益转化为长程机器人操作任务中更高的闭环成功率。

查看 arXiv 页面 (https://arxiv.org/abs/2608.16885)查看 PDF (https://arxiv.org/pdf/2608.16885)项目页面 (https://tau0-vla.github.io/)GitHub (https://github.com/sii-research/tau-0-vla)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.16885)

将此论文获取到您的智能体：

hf papers read 2608\.16885

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型1

sii-research/tau-0-vla 机器人• 3B• 更新于3天前 • 196 • 3 (https://huggingface.co/sii-research/tau-0-vla)

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.16885 以从此页面链接。

引用此论文的空间0

无空间链接此论文

在空间 README.md 中引用 arxiv.org/abs/2608.16885 以从此页面链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。