arXiv cs.AI· Jonathan C. Kao, Jason Chan, Andy Wang·· 12 小时前AI 评分38
Flow Control：用键盘等简单实时输入操控 VLA 模型
Flow Control: Steering Vision-Language-Action Models with Simple Real-Time Inputs
AI 导读
研究者提出 Flow Control，可将键盘等通用输入写入 VLA 模型 flow matching 动作专家的初始条件，无需重训练或微调即可实时操控机器人动作。该方法对次优输入具有鲁棒性，能显著提升任务成功率并加快完成速度，用其轨迹微调还能改进自主策略。论文已被 CoRL 2026 接收。
正文 · AI 翻译
摘要：我们提出了视觉-语言-动作（VLA）模型的流控制，这是一种通过键盘等通用输入实时引导 VLA 动作的简单而有效的方法。该方法开箱即用，无需重新训练或微调 VLA。它能够利用相对粗略的用户输入引导 VLA 与用户意图对齐。流控制将用户输入写入 VLA 流匹配动作专家的初始条件。由于流是确定性的，积分过程在将信息推向训练期间学习到的动作分布的同时，保留了关于用户输入的信息，从而使生成的动作反映用户意图（高保真度）并接近 VLA 自身未受引导的动作（高一致性）。我们证明流控制具有许多理想特性：(1) 流控制能够利用用户输入准确且响应迅速地引导机器人动作，(2) 它对次优用户输入具有鲁棒性，(3) 它使用户能够引导 VLA 实现显著更高的成功率和更快的任务完成速度，(4) 在流控制轨迹上微调 VLA 可改进自主策略。这些结果共同为用户提供了一种简单直观的方式来帮助引导 VLA 动作，从而提高任务性能。项目页面和视频：此 https URL。
| 评论： | 被第十届机器人学习会议（CoRL 2026）接收。29 页。项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2606.10180 [cs.RO] |
| （或 arXiv:2606.10180v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.10180 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Jonathan Kao [查看电子邮件]
[v1]
2026 年 6 月 8 日星期一 21:16:37 UTC（16,711 KB）
[v2]
2026 年 10 月 19 日星期一 20:37:04 UTC（5,322 KB）
来源：arXiv cs.AI · arxiv.org