TacitVLA entrena con razonamiento para que las acciones no esperen al texto generado
En palabras sencillas
Algunos modelos de robots redactan una breve explicación antes de elegir una acción. Eso puede retrasar la acción, incluso cuando no se vuelve a necesitar esa explicación. TacitVLA es un método que entrena al modelo con explicaciones, pero impide que el componente que decide las acciones use la explicación redactada para ese mismo momento.
En cuatro pruebas de manipulación y conducción, TacitVLA rindió de forma parecida a la versión que usaba la explicación actual. También permitió que las acciones comenzaran sin esperar ese texto: según la tarea, lo omitía o lo generaba mientras la acción estaba en curso.
La investigación
Cuando un modelo redacta razonamiento antes de actuar, ¿debe esperar la acción a ese texto para beneficiarse del entrenamiento con razonamiento? La demora importa incluso en tareas donde las acciones posteriores nunca vuelven a usarlo.
El artículo evalúa si basta con entrenar con razonamiento y mantener fuera de las entradas de la acción el razonamiento de la llamada actual.
TacitVLA entrena con texto de razonamiento, pero mantiene el texto actual fuera de la generación de acciones para que estas puedan comenzar sin esperarlo.
TacitVLA entrena un modelo para generar texto de razonamiento, pero oculta al componente de acción el texto de la llamada actual. En tareas de memoria, aun así genera la siguiente entrada del ledger —un registro continuo que usan llamadas posteriores— mientras se ejecuta la acción actual.
En pruebas de manipulación y conducción, su rendimiento medido fue cercano al de Explicit Reasoning, cuyo componente de acción usa el texto de la llamada actual.
En LIBERO-Plus también superó a No Reasoning sin generar texto durante la ejecución; los autores interpretan ese resultado como un beneficio de la supervisión de razonamiento mediante la representación aprendida.
Los resultados abarcan cuatro configuraciones de tareas evaluadas, y el rendimiento depende de la calidad de los datos de razonamiento.
En tareas de memoria, generar una entrada del ledger mientras se ejecuta la acción evita demoras adicionales solo si la entrada se termina dentro de ese intervalo de ejecución; las entradas más largas o los intervalos más cortos pueden añadir demora.
Análisis
Detalles
- Autores del paper original
- Jack Lu, Yurong You, Boyi Li, Yulong Cao, Thomas Tian
- Enviado a arXiv
- Licencia
- CC BY 4.0