ВЛА-ЗО: быстрая адаптация с нулевым значением для моделей визуализации, Language-action

arXiv: 2610,06271v 1 Annualce Type: cross recraview: Адаптация моделей на языке зрения (VLA) к смене времени развертывания имеет важное значение для надежной робототехники, однако обычная адаптация первого порядка может превысить бюджет памяти платформ развертывания, ориентированных на конкретные результаты. Оптимизация нулевого порядка (ZO) предлагает только передовую альтернативу с запоминанием на уровне вывода, но точная оценка градиента требует многих запросов о нарушении, что делает наивный ZO чрезмерно медленной для крупных моделей VLA. Мы представляем VLA-ZO - рамки для быстрой адаптации ZO, которая использует структуру вычислений VLА. Ограничивая адаптацию к действию, VLA-ZO держит дорогостоящий префикс языка зрения замороженным и повторно использует свои состояния выдерживания в разных запросах о неуважении и оптимизации шагов, при этом заранее понимая график прячет накладные расходы государства. При смене видеокамер и точек зрения VLA-ZO сокращает время адаптации от конца до конца на 25,59 долл. США по q = 16 долл.