AFCE：让VLA模型以预测未来物理效果为训练目标

Min Lin等在arXiv预印本《Beyond Actions: Learning Future Operation Targets for Vision-Language-Action Models》中提出Action-Future Coupled Effect Learning（AFCE），将未来物理效果作为视觉-语言-动作（VLA）模型的首要预测目标：模型从当前图像、指令和机器人状态预测未来操作效果，再解码为可执行动作块。 据论文所述，在DexJoCo基准上AFCE整体成功率为50.97%，比π0.5和UVT分别高出11.82和15.21个百分点。以上为论文作者声称的结果，目前处于预印本阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。