arXiv cs.AI· Gaoge Han, Zhengqing Gao, Ziwen Li, Jiaxin Huang, Shaoli Huang, Fakhri Karray, Mingming Gong, Tongliang Liu·· 9 天前AI 评分24
ExecVLA：用双层动作表示让 VLA 模型遵循细粒度执行约束
ExecVLA: Following Fine-Grained Execution Constraints in Vision-Language-Action Models with Bi-Level Action Representation
AI 导读
ExecVLA 通过双层动作表示和监督式双层推理 token，将目标导向组件与执行特定组件分离，使 VLA 模型在完成同一任务目标时能遵循指令指定的交互对象、运动模式、空间关系和终止构型等执行约束。该框架引入目标不变性与执行可预测性目标，并在 LIBERO 仿真和 Realman-75 机器人上构建了带目标和细粒度推理标注的数据集。实验显示目标完成度提升，且对指令执行约束的遵循更为可靠。
正文 · AI 翻译
摘要：我们研究视觉-语言-动作（VLA）模型中的细粒度执行约束遵循。给定一个不变的任务目标，策略必须遵循指令指定的执行约束，包括交互目标、运动模式、空间关系和终止配置。这一设定暴露了面向目标的 VLA 的局限性：当指令指定任务必须如何执行时，完成同一任务的轨迹并不能互换。我们提出 ExecVLA，一个通过双层动作表示和监督式双层推理 token 将面向目标组件与执行特定组件分离的框架。我们进一步引入显式的目标不变性和执行可预测性目标，使目标级表示在同一目标的多次执行之间保持稳定，而执行级表示保留区分这些执行的约束。我们在仿真和 Realman-75 机器人上构建了执行约束遵循数据集，并带有目标和细粒度推理标注。在 LIBERO 和真实机器人上的实验表明，目标完成度有所提升，更重要的是，对指令指定的执行约束的遵循显著更加可靠。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.17524 [cs.RO] |
| （或使用 arXiv:2603.17524v2 [cs.RO] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2603.17524 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Gaoge Han [查看邮箱]
[v1]
2026年3月18日星期三 09:28:49 UTC（10,434 KB）
[v2]
2026年10月8日星期四 11:17:01 UTC（10,434 KB）
来源：arXiv cs.AI · arxiv.org