📖 AI 总结

REFACTOR-VLA提出了一种无监督的技能学习方法，旨在解决现有视觉-语言-动作（VLA）模型在长时程任务中表现不佳且缺乏可解释性的问题。该方法采用“唤醒/睡眠”架构：睡眠阶段通过行为等价核（BEK）在潜在世界模型中聚类动作片段，唤醒阶段则生成类型化的lambda表达式作为结构化技能，并经由库条件解码器输出动作。只有通过最小描述长度和回报保持双重标准的抽象才被保留为技能。在LIBERO基准测试中，研究发现单纯扩大世界模型参数（从1.88亿增至4.3亿）反而导致性能全面下降，而引入InfoNCE辅助对比损失则显著提升技能聚类的质量，归一化互信息在目标、空间和任务套件上分别达到0.462、0.867和0.915。这一结果强调了训练目标设计比模型规模更关键，为VLA模型的模块化与可解释性发展提供了新思路。