INDI：为 Vision-Language-Action 模型蒸馏行为意图
Act with Intent: Distilling Behavior Intent for Vision-Language-Action Models
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出 Intention Distillation（INDI），将行为级意图蒸馏进 VLA 模型的动作解码器，训练时由冻结的教师 VLM 从当前观测、指令、粗动作摘要和执行视频中提取多模态意图表示，部署模型在解码器中间层恢复该表示来组织动作预测。
来源：Hugging Face Daily Papers · arxiv.org