MAST-VLA：面向多技能机器人操作、以轨迹可供性先验为条件的技能自适应方法
MAST-VLA提出一种双条件机器人操作框架：在LLM主干中引入技能条件化的LoRA混合专家适配器，用技能查询token与路由偏置引导低秩专家特化；同时把预测的可供性热图转为动作头的patch级轨迹-可供性空间先验。在CALVIN ABC→D长时程多技能跨场景泛化设置上，五子任务评估序列平均长度达4.65，作者称达到最先进水平；真实机器人多技能序列实验验证了其在真实感知与控制噪声下的可部署性。
发布于 10-27 10:54来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《MAST-VLA: Skill-Conditioned Adaptation with Trajectory-Affordance Priors for Multi-Skill Robot Manipulation》查看原链
通用机器人操作需要单一视觉-语言-动作（VLA）策略在不同场景和指令下执行多样化技能。 然而，当前的多技能VLA策略往往对指令的两个方面建模不足：执行哪个基础技能，以及在何处、如何接触和移动物体。 我们提出MAST-VLA（Multi-skill Adaptation with Skill-conditioned experts and Trajectory-affordance priors），一个用于机器人操作的双重条件框架。
MAST-VLA在LLM主干中引入技能条件化的LoRA混合专家（LoRA-MoE）适配器，由技能查询token和路由偏置引导低秩专家特化，并将预测的可供性热图转换为动作头的patch级轨迹-可供性空间先验。 在CALVIN ABC→D长时程多技能跨场景泛化设置上，MAST-VLA达到最先进性能，在五子任务评估序列上平均长度（Avg. Len）达4.65。
真实机器人多技能序列实验进一步验证了其在真实感知与控制噪声下的可部署性。