Buchumschlag

FAST: Efficient Action Tokenization for Vision-Language-Action Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pertsch, Karl, Stachowicz, Kyle, Ichter, Brian, Driess, Danny, Nair, Suraj, Vuong, Quan, Mees, Oier, Finn, Chelsea, Levine, Sergey
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MEM: Multi-Scale Embodied Memory for Vision Language Action Models
von: Torne, Marcel, et al.
Veröffentlicht: (2026)

Training Strategies for Efficient Embodied Reasoning
von: Chen, William, et al.
Veröffentlicht: (2025)

Emergence of Human to Robot Transfer in Vision-Language-Action Models
von: Kareer, Simar, et al.
Veröffentlicht: (2025)

SteerVLA: Steering Vision-Language-Action Models in Long-Tail Driving Scenarios
von: Gao, Tian, et al.
Veröffentlicht: (2026)

Hi Robot: Open-Ended Instruction Following with Hierarchical Vision-Language-Action Models
von: Shi, Lucy Xiaoyang, et al.
Veröffentlicht: (2025)

Knowledge Insulating Vision-Language-Action Models: Train Fast, Run Fast, Generalize Better
von: Driess, Danny, et al.
Veröffentlicht: (2025)

Robotic Control via Embodied Chain-of-Thought Reasoning
von: Zawalski, Michał, et al.
Veröffentlicht: (2024)

$π_0$: A Vision-Language-Action Flow Model for General Robot Control
von: Black, Kevin, et al.
Veröffentlicht: (2024)

Steerable Vision-Language-Action Policies for Embodied Reasoning and Hierarchical Control
von: Chen, William, et al.
Veröffentlicht: (2026)

Beyond Sight: Finetuning Generalist Robot Policies with Heterogeneous Sensors via Language Grounding
von: Jones, Joshua, et al.
Veröffentlicht: (2025)

OpenVLA: An Open-Source Vision-Language-Action Model
von: Kim, Moo Jin, et al.
Veröffentlicht: (2024)

RoboReward: General-Purpose Vision-Language Reward Models for Robotics
von: Lee, Tony, et al.
Veröffentlicht: (2026)

$π_{0.5}$: a Vision-Language-Action Model with Open-World Generalization
von: Intelligence, Physical, et al.
Veröffentlicht: (2025)

Robust Finetuning of Vision-Language-Action Robot Policies via Parameter Merging
von: Yadav, Yajat, et al.
Veröffentlicht: (2025)

RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes
von: Stachowicz, Kyle, et al.
Veröffentlicht: (2024)

Steering Your Generalists: Improving Robotic Foundation Models via Value Guidance
von: Nakamoto, Mitsuhiko, et al.
Veröffentlicht: (2024)

Evaluating Real-World Robot Manipulation Policies in Simulation
von: Li, Xuanlin, et al.
Veröffentlicht: (2024)

Policy Adaptation via Language Optimization: Decomposing Tasks for Few-Shot Imitation
von: Myers, Vivek, et al.
Veröffentlicht: (2024)

LeLaN: Learning A Language-Conditioned Navigation Policy from In-the-Wild Videos
von: Hirose, Noriaki, et al.
Veröffentlicht: (2024)

Scaling Cross-Embodied Learning: One Policy for Manipulation, Navigation, Locomotion and Aviation
von: Doshi, Ria, et al.
Veröffentlicht: (2024)

EXPO-FT: Sample-Efficient Reinforcement Learning Finetuning for Vision-Language-Action Models
von: Dong, Perry, et al.
Veröffentlicht: (2026)

RL Token: Bootstrapping Online RL with Vision-Language-Action Models
von: Xu, Charles, et al.
Veröffentlicht: (2026)

Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success
von: Kim, Moo Jin, et al.
Veröffentlicht: (2025)

Yell At Your Robot: Improving On-the-Fly from Language Corrections
von: Shi, Lucy Xiaoyang, et al.
Veröffentlicht: (2024)

Octo: An Open-Source Generalist Robot Policy
von: Octo Model Team, et al.
Veröffentlicht: (2024)

Self-Guided Action Diffusion
von: Malhotra, Rhea, et al.
Veröffentlicht: (2025)

VLAW: Iterative Co-Improvement of Vision-Language-Action Policy and World Model
von: Guo, Yanjiang, et al.
Veröffentlicht: (2026)

Autonomous Improvement of Instruction Following Skills via Foundation Models
von: Zhou, Zhiyuan, et al.
Veröffentlicht: (2024)

CAST: Counterfactual Labels Improve Instruction Following in Vision-Language-Action Models
von: Glossop, Catherine, et al.
Veröffentlicht: (2025)

SpatialVLM: Endowing Vision-Language Models with Spatial Reasoning Capabilities
von: Chen, Boyuan, et al.
Veröffentlicht: (2024)

Action Tokenizer Matters in In-Context Imitation Learning
von: Vuong, An Dinh, et al.
Veröffentlicht: (2025)

OmniVLA: An Omni-Modal Vision-Language-Action Model for Robot Navigation
von: Hirose, Noriaki, et al.
Veröffentlicht: (2025)

GHIL-Glue: Hierarchical Control with Filtered Subgoal Images
von: Hatch, Kyle B., et al.
Veröffentlicht: (2024)

The Ingredients for Robotic Diffusion Transformers
von: Dasari, Sudeep, et al.
Veröffentlicht: (2024)

A Survey on Vision-Language-Action Models: An Action Tokenization Perspective
von: Zhong, Yifan, et al.
Veröffentlicht: (2025)

Vision-Language Models Provide Promptable Representations for Reinforcement Learning
von: Chen, William, et al.
Veröffentlicht: (2024)

Pushing the Limits of Cross-Embodiment Learning for Manipulation and Navigation
von: Yang, Jonathan, et al.
Veröffentlicht: (2024)

Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models
von: Chen, Annie S., et al.
Veröffentlicht: (2024)

mimic-video: Video-Action Models for Generalizable Robot Control Beyond VLAs
von: Pai, Jonas, et al.
Veröffentlicht: (2025)

ALOHA Unleashed: A Simple Recipe for Robot Dexterity
von: Zhao, Tony Z., et al.
Veröffentlicht: (2024)