Generalizable VLA Finetuning via Representation Anchoring and Language-Action Alignment

• 类型：arxiv
• 标识：2607.13429
• 链接：https://arxiv.org/abs/2607.13429
• 主分类：engineering
• 形态：benchmark
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Anchor-Align is proposed, which augments BC with two objectives: Vision-Language Anchoring distills layer-wise representations from a frozen VLM copy to prevent this drift, and Language-Action Alignment converts each action target into a discrete motion-direction label and jointly trains language and action prediction on the same robot observation.
• OpenAlex ID：W7169081766
• OpenAlex DOI：10.48550/arxiv.2607.13429
• DOI：10.48550/arxiv.2607.13429
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.13429
• OpenAlex更新：2026-08-24
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：通过表征锚定与语言-动作对齐的可泛化 VLA 微调
• TLDR中文：本文提出 Anchor-Align，通过两个目标增强 BC：Vision-Language Anchoring 从冻结 VLM 副本中蒸馏逐层表示以防止该漂移；Language-Action Alignment 将每个动作目标转换为离散的运动方向标签，并在同一机器人观测上联合训练语言与动作预测。
• 来源文件：
• /inbox/tom/_candidates/2026-07-23-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]