Kindle Dash

Quick

2-5 分钟快速输入

今日主题：英语强化日

优先看 Study 区：词汇、例句和复述练习。

触发句：The best time to plant a tree was 20...

今日一句

The best time to plant a tree was 20 years ago. The second best time is now.

— Chinese Proverb

今日热仓

parsehawk/parsehawk

★ 22

新兴项目，适合早期观察。语言: Python

今日学习计划

词汇: 朗读并复述 serialization，再口述其含义一次。
趋势: 浏览 parsehawk/parsehawk，记录 1 个可借鉴实现点。
深读: 阅读论文《Learning Action Priors for Cross-embodiment Robot Manipulation》摘要并写 2 句总结。

Study

英语词汇和语感训练

serialization /ˌsɪəriəlaɪˈzeɪʃn/

n. 序列化

Serialization converts an object into a stream of bytes for storage.

序列化将对象转换为字节流以便存储。

学习建议：先读例句再回看释义，强化语境记忆。

本次词汇清单

algorithm - n. 算法；运算法则
recursion - n. 递归；循环
encapsulation - n. 封装；包装
polymorphism - n. 多态性
inheritance - n. 继承；遗传

Deep

AI/ML 深度学习输入

Learning Action Priors for Cross-embodiment Robot Manipulation

大多数视觉-语言-动作（VLA）模型都建立在视觉-语言模型（VLM）主干之上，通过附加动作模块并联合优化整个策略。该设计继承了 VLM 强大的视觉和语言先验，但让动作模块几乎从头开始学习物理运动。因此，该策略缺乏明确的运动先验，迫使早期优化同时发现时间动作动态和跨模式对齐，这一挑战在跨实施例设置中进一步放大。在这项工作中，我们建议在跨模态 VLA 对齐之前使用运动先验对动作模块进行预训练。具体来说，我们引入了一个两阶段训练框架，在 VLA 训练开始之前为动作模块配备跨实施例时间运动结构。在 Stage~1 中，基于流匹配的轻量级编码器-解码器动作模块仅从无条件动作轨迹中有效地学习时间运动结构，而不处理视觉或语言标记。在第 2 阶段，通过解码器重用和早期潜在蒸馏将学到的先验知识转移到 VLA 训练，将视觉语言特征与动作嵌入空间对齐，同时仍然允许端到端策略细化。此外，经过训练的编码器充当紧凑的历史压缩器，将状态动作历史汇总为单个时间上下文标记，以可忽略的成本进行历史感知建模。在模拟和现实世界平台上针对 13 个不同的跨实施例任务进行的广泛实验验证了我们方法的有效性。与没有先验动作的 VLA 训练相比，我们的模型在数据稀缺的现实任务中实现了更快的收敛、更高的成功率和更强的性能。此外，扩大 Stage~1 中的操作数据会产生更通用的先验操作，从而直接提高下游 VLA 性能。

要点：大多数视觉-语言-动作（VLA）模型都建立在视觉-语言模型（VLM）主干之上，通过附加动作模块并联合优化整个策略。该设计继承了 VLM 强大的视觉和语言先验，但让动作模块几乎从头开始学习物理运动。因此，该策略缺乏明确的运动先验，迫使早期优化同时发现时间动作动态和跨模式对齐，这一挑战在跨实施例设置中进一步放大。在这项工作...

预计阅读 2 分钟