QuoVLA：面向视觉-语言-动作模型的商空间框架

Xuan Wang, Yinan Wu, Haoran Duan, Jungong Han

2026

摘要

本文提出QuoVLA，一种基于商空间理论的视觉-语言-动作模型框架，通过量化模块和双分支设计压缩预训练VLM的潜在表示，去除提示级冗余并保留动作相关信息。实验表明该方法在视觉、语言和环境分布偏移下具有优异的泛化性能。

Vision-Language-Actionquotient spaceaction-sufficient representationgeneralizationrobot control

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Xianzhong Zhao, Haotian Liu, Zhaoqi Huang 等 4 位作者

Robotics and Computer-Integrated Manufacturing · 2026