VLA-Δ：以物理状态转移监督机器人VLA模型
AI 总结
该论文提出 VLA-Δ 框架，把当前状态与未来状态之间的物理变化作为显式学习目标，而不是让视觉-语言-动作（VLA）模型直接把观测映射到示范动作，作者认为后者容易对观测-动作对应关系过拟合。为支撑这一目标，研究团队构建了大规模预训练数据集，并生成了涵盖任务相关语义与视觉运动变化的物理状态转移标注，为连续动作生成提供更直接的监督。推理时模型仍直接从当前观测生成动作，不增加额外推理开销；作者称其在 LIBERO 与 RoboTwin 基准上表现与当前最优方法相当，并在真机实验中优于 π0.5，代码已公开。
深度见解
若该监督方式可复现，或能减少机器人 VLA 模型对演示动作的表面模仿，让动作生成更贴合真实物理状态变化。