Articles sur CALVIN

SMILE étend le champ de vision fixe du modèle VLA en prédisant les coefficients B-spline et en les décodant en séquences d'actions fluides, en modifiant uniquement la représentation des actions plutôt que l'architecture du modèle. Par rapport aux méthodes précédentes qui reposaient sur des modèles plus grands ou sur davantage d'appels pour améliorer la précision à long terme, cette méthode a amélioré la précision et amorti l'efficacité de l'inférence sur quatre lignes de base, dont SmolVLA et Evo1. Parmi eux, SMILE-Evo1 a atteint 98,0 % et une accélération de 1,1 fois dans LIBERO. Cela signifie que la représentation du mouvement fluide par spline B peut devenir une amélioration générale et peu coûteuse pour l’exécution à long terme de VLA.