Введение

Преобразование инструкций на естественном языке в непрерывное управление для четвероногих роботов представляет собой основную проблему в области взаимодействия между языком и действием. Существующие методы не способны эффективно соединить высокоуровневое семантическое понимание с низкоуровневым управлением, что приводит к нестабильной привязке и слабой обобщаемости в реальных условиях.

MobileVLA-R1

Чтобы решить эти проблемы, мы представляем MobileVLA-R1 — унифицированную платформу для взаимодействия между языком и действием, которая обеспечивает явное рассуждение и непрерывное управление для четвероногих роботов.

Создание датасета MobileVLA-CoT

Мы разработали MobileVLA-CoT — крупномасштабный датасет многогранной цепочки рассуждений (CoT) для эмбодированных траекторий, обеспечивающий структурированное управление рассуждениями для выравнивания.

Двухступенчатая схема обучения

На основе данного фундамента мы вводим двухступенчатую схему обучения, которая сочетает в себе управляемое выравнивание CoT и обучение с подкреплением GRPO. Это позволяет улучшить согласованность рассуждений, стабильность управления и выполнение долгосрочных задач.

Результаты и тестирование

Обширные оценки по задачам VLN и VLA показывают превосходные результаты по сравнению с сильными базовыми моделями, с улучшением примерно на 5%. Реальное развертывание на четвероногом роботе подтверждает надежную работу в сложных условиях.