Latent Interface Training brise le raccourci vision-action des VLA pour des foundation models robotiques

Un papier trending sur Hugging Face propose Latent Interface Training pour casser le raccourci vision-action qui empêche les modèles VLA de généraliser hors distribution. Les auteurs entraînent une tête pose et un tracking d'action séparés, avec des courbes de loss distinctes, afin d'obtenir des foundation models robotiques plus robustes en manipulation.