DiVeR：用动作离散度学习VLA验证器

Seongheon Park 等作者提出 DiVeR 验证器学习方法，用于视觉-语言-动作（VLA）模型的测试时扩展。该方法通过采样动作表示的离散度估计“决策关键性”，把验证器学习重新加权到动作选择影响最大的状态，无需步级标注或额外环境交互。 作者称，在 LIBERO、RoboCasa 基准及 Franka Research 3 真机实验中，DiVeR 通过更有效的验证器引导动作选择持续提升任务成功率，且验证器推理开销可忽略。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。