Buchumschlag

ATA: Bridging Implicit Reasoning with Attention-Guided and Action-Guided Inference for Vision-Language Action Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Cheng, Jiao, Jianhao, Huang, Lingyi, Xiao, Jinqi, Tang, Zhexiang, Gong, Yu, Ying, Yibiao, Sui, Yang, Lin, Jintian, Huang, Wen, Yuan, Bo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EcoSpa: Efficient Transformer Training with Coupled Sparsity
von: Xiao, Jinqi, et al.
Veröffentlicht: (2025)

TopV: Compatible Token Pruning with Inference Time Optimization for Fast and Low-Memory Multimodal Vision Language Model
von: Yang, Cheng, et al.
Veröffentlicht: (2025)

Action-Guided Attention for Video Action Anticipation
von: Tai, Tsung-Ming, et al.
Veröffentlicht: (2026)

MoE-I$^2$: Compressing Mixture of Experts Models through Inter-Expert Pruning and Intra-Expert Low-Rank Decomposition
von: Yang, Cheng, et al.
Veröffentlicht: (2024)

Beyond Label Semantics: Language-Guided Action Anatomy for Few-shot Action Recognition
von: Qian, Zefeng, et al.
Veröffentlicht: (2025)

Quantum Scalar Field Theory Based on the Extended Least Action Principle
von: Yang, Jianhao M.
Veröffentlicht: (2023)

Rewarding Beliefs, Not Actions: Consistency-Guided Credit Assignment for Long-Horizon Agents
von: Tang, Wenjie, et al.
Veröffentlicht: (2026)

Latent Action Control for Reasoning-Guided Unified Image Generation
von: Zhai, Fuxiang, et al.
Veröffentlicht: (2026)

VLAMotor: Test-Guided Enhancement of Vision-Language-Action Models via Agent-BasedData Synthesis
von: Liao, Zeqin, et al.
Veröffentlicht: (2026)

COMCAT: Towards Efficient Compression and Customization of Attention-Based Vision Models
von: Xiao, Jinqi, et al.
Veröffentlicht: (2023)

Quantum Mechanics Based on an Extended Least Action Principle and Information Metrics of Vacuum Fluctuations
von: Yang, Jianhao M.
Veröffentlicht: (2023)

Once4All: Skeleton-Guided SMT Solver Fuzzing with LLM-Synthesized Generators
von: Sun, Maolin, et al.
Veröffentlicht: (2025)

ActDistill: General Action-Guided Self-Derived Distillation for Efficient Vision-Language-Action Models
von: Ye, Wencheng, et al.
Veröffentlicht: (2025)

World-Value-Action Model: Implicit Planning for Vision-Language-Action Systems
von: Li, Runze, et al.
Veröffentlicht: (2026)

Guide, Think, Act: Interactive Embodied Reasoning in Vision-Language-Action Models
von: Ling, Yiran, et al.
Veröffentlicht: (2026)

ELRT: Efficient Low-Rank Training for Compact Convolutional Neural Networks
von: Sui, Yang, et al.
Veröffentlicht: (2024)

Fast Cross-Operator Optimization of Attention Dataflow
von: Chang, Haodong, et al.
Veröffentlicht: (2026)

Attention-Guided Patch-Wise Sparse Adversarial Attacks on Vision-Language-Action Models
von: Zhang, Naifu, et al.
Veröffentlicht: (2025)

VS-Singer: Vision-Guided Stereo Singing Voice Synthesis with Consistency Schrödinger Bridge
von: Zhao, Zijing, et al.
Veröffentlicht: (2025)

Spin Theory Based on the Extended Least Action Principle and Information Metrics: Quantization, Entanglement, and Bell Test With Time Delay
von: Yang, Jianhao M.
Veröffentlicht: (2024)

SAFE-Pruner: Semantic Attention-Guided Future-Aware Token Pruning for Efficient Vision-Language-Action Manipulation
von: Ma, Shilin, et al.
Veröffentlicht: (2026)

STAR: Stage-Wise Attention-Guided Token Reduction for Efficient Large Vision-Language Models Inference
von: Guo, Yichen, et al.
Veröffentlicht: (2025)

Language Model Guided Interpretable Video Action Reasoning
von: Wang, Ning, et al.
Veröffentlicht: (2024)

Bridging the Semantic-Action Gap in Visual Token Pruning for Efficient VLA Inference
von: Liu, Ziyan, et al.
Veröffentlicht: (2025)

VGAS: Value-Guided Action-Chunk Selection for Few-Shot Vision-Language-Action Adaptation
von: Xu, Changhua, et al.
Veröffentlicht: (2026)

MobileVLA-R1: Reinforcing Vision-Language-Action for Mobile Robots
von: Huang, Ting, et al.
Veröffentlicht: (2025)

From Narrow to Panoramic Vision: Attention-Guided Cold-Start Reshapes Multimodal Reasoning
von: Luo, Ruilin, et al.
Veröffentlicht: (2026)

GeneralVLA: Generalizable Vision-Language-Action Models with Knowledge-Guided Trajectory Planning
von: Ma, Guoqing, et al.
Veröffentlicht: (2026)

Latent Bridge: Feature Delta Prediction for Efficient Dual-System Vision-Language-Action Model Inference
von: Liu, Yudong, et al.
Veröffentlicht: (2026)

Neural Implicit Action Fields: From Discrete Waypoints to Continuous Functions for Vision-Language-Action Models
von: Liu, Haoyun, et al.
Veröffentlicht: (2026)

$Δ$VLA: Prior-Guided Vision-Language-Action Models via World Knowledge Variation
von: Zhu, Yijie, et al.
Veröffentlicht: (2026)

Evo-0: Vision-Language-Action Model with Implicit Spatial Understanding
von: Lin, Tao, et al.
Veröffentlicht: (2025)

MoTVLA: A Vision-Language-Action Model with Unified Fast-Slow Reasoning
von: Huang, Wenhui, et al.
Veröffentlicht: (2025)

KineVLA: Towards Kinematics-Aware Vision-Language-Action Models with Bi-Level Action Decomposition
von: Han, Gaoge, et al.
Veröffentlicht: (2026)

TAG-HGT: A Scalable and Cost-Effective Framework for Inductive Cold-Start Academic Recommendation
von: Li, Zhexiang
Veröffentlicht: (2025)

Judge, Then Drive: A Critic-Centric Vision Language Action Framework for Autonomous Driving
von: Yang, Lijin, et al.
Veröffentlicht: (2026)

Semantically Guided Action Anticipation
von: Diko, Anxhelo, et al.
Veröffentlicht: (2024)

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

GuidedVLA: Specifying Task-Relevant Factors via Plug-and-Play Action Attention Specialization
von: Jia, Xiaosong, et al.
Veröffentlicht: (2026)

Mask Wearing Fosters Relaxation and Store Engagement in an Offline‐Retail Context
von: Lu Yang, et al.
Veröffentlicht: (2024)