SMILE に関する報道

SMILE は、B スプライン係数を予測し、それらをスムーズなアクション シーケンスにデコードすることで、VLA モデルの固定視野を拡張し、モデル アーキテクチャではなくアクション表現のみを変更します。長期視点の精度を向上させるために大規模なモデルやより多くの呼び出しに依存していた以前の方法と比較して、この方法では精度が向上し、SmolVLA や Evo1 を含む 4 つのベースラインでの償却推論効率が向上しました。中でもSMILE-Evo1はLIBEROで98.0%、加速1.1倍に達しました。これは、B スプラインの滑らかなモーション表現が、VLA のロングビュー実行に対する低コストで一般的な改善となる可能性があることを意味します。