АУАМ: " Экстрапия-выгоды и уделение особого внимания сбору данных наблюдений для моделей перспективного, лингвистического и практического применения &qt;

arXiv:2602.18020v3 Annuate Type: заменить резюме: модели Vision-Language-Action (VLA) сочетают мультимодальное восприятие с роботизированным контролем, демонстрируя замечательный потенциал для повсеместного манипуляции. Однако повышение эффективности их выполнения, как правило, зависит от вспомогательного сенсорного ввода (например, глубина, облако 3D) или дорогостоящей доработки. Вдохновленные осознанием того, что Feed-Forward Networks (FFNS) выступает в качестве ключевого ценного памяти, мы предлагаем Action-Entropy-Woungd и Treatd Revieval of Estitution Distrence (AWARE), эффективный, неподготовленный и игровой модуль для VLA. В частности, AWERE отслеживает неопределенность по слою через метрическую энтропию в зависимости от элемента и получает данные наблюдения в FFN элемента посредством совместного поиска памяти. На самом деле, обнаруженные элементы взвешиваются с помощью инструктивного кросс-модального внимания к изолированным сигналам наблюдения, имеющим отношение к задаче, в то время как сила впрыска адаптируется по энтропии элемента и относительной глубине сети