VLA 图库模型列表图库

VLA 图库 / 模型列表 / VA

Chain-of-Action

ByteDance Seed; University of Adelaide; NUS; CAS; CSIRO · 2025-06

VAVA未公开回归

从目标关键帧到当前时刻逆向生成轨迹，将全局目标反映到动作中。

在图库中查看架构图论文 ↗

论文

Chain-of-Action: Trajectory Autoregressive Modeling for Robotic ManipulationarXiv 2506.09990

概述

分类
VA
类型
VA
发布
2025-06
机构
ByteDance Seed; University of Adelaide; NUS; CAS; CSIRO
权重公开
未核实
参数
未公开

架构

主干LLM
无
视觉编码器
ResNet-18 (多视角)
动作头
从关键帧开始逆序自回归连续动作 (回归)
动作块
未公开
控制频率
未公开
架构原文摘要
多视角ResNet-18 + Transformer编码器4层·解码器7层；从关键帧动作开始的逆序自回归轨迹生成，连续动作token·潜在一致性损失，训练时多token预测头，动态停止

训练

预训练加速器
不适用
预训练时长
不适用
预训练步数·批量
不适用
GPU·TPU-小时
未公开
微调
按任务：H100 1张，20,000 次迭代，批量 128（与README默认值相同）；时间未公开
数据类型
仿真·合成；真实机器人遥操作
数据规模
RLBench每任务100条演示;真实每任务35–81条演示
主要数据集
RLBench;自有Fetch数据
任务·评估
以RLBench 60项任务为主;Fetch真实厨房8项任务
机器人
Fetch(真机)；RLBench仿真

推理

推理设备·速度
未公开
推理显存
未公开
权重 bf16（计算）
未公开
运行位置
未公开

强化学习与底盘

强化学习
未使用 · 仅使用模仿学习（行为克隆）
底盘控制
固定 · 底盘移动由Fetch内置LiDAR导航完成（独立栈）；策略仅输出EE绝对位姿

备注

核心特点
从目标关键帧到当前时刻逆向生成轨迹，将全局目标反映到动作中。每任务用H100 1张训练。
备注
报告了相对ACT·DP的提升，但笔记中无数值。
核验
已确认

同类其他模型