Harness VLA: Direcionando VLAs Congelados a Primitivas de Manipulação Confiáveis por meio de Agentes Guiados por Memória

arXiv:2607.08448v1 Tipo de anúncio: novo Resumo: A manipulação condicionada por linguagem exige tanto um controle preciso rico em contato quanto um raciocínio robusto sobre linguagem, cenas e horizontes longos. Modelos Vision-Language-Action (VLA) de ponta a ponta oferecem fortes habilidades visomotoras locais, mas são treinados em trajetórias de tarefas dentro da distribuição e frequentemente falham sob perturbações de implantação, como redirecionamento semântico, reassociação de objetivos, mudanças de layout espacial e contatos locais instáveis. Agentes de codificação baseados em LLM ofere...