概念Q-自适应引导
Q-adaptive guidance
一种用于VLA模型推理引导的自适应方法，将引导权重选择建模为马尔可夫决策过程，通过精确测量的动作价值函数训练小型critic网络来动态调整推理对动作的影响强度。
时间轴 (近 90 天)
10月30日
论文提出 Q-adaptive guidance 方法，把引导权重的选择建模为马尔可夫决策过程，并用可精确测量的动作价值函数来拟合。
待验证50%
10月30日
Q-adaptive guidance 通过冻结专家策略、固定噪声，在某个步骤施加一个权重，并用当前控制器走完剩余规划，从而精确测量该权重的真实价值。
待验证50%
10月30日
在 Waymo 隐藏测试集上，冻结的 Alpamayo 1.5 配合基于规则的相机与车辆转换，再加上 Q-adaptive guidance，在已发表方法中取得新的 state of the art，评分反馈得分为 8.135159，而此前最佳已发表方法为 8.079。
待验证50%
10月30日
论文尚未披露权重调节在极端场景下的失效模式，以及 critic 在分布外场景的泛化表现。
待验证50%
全部知识事实 (4)
待验证
论文提出 Q-adaptive guidance 方法，把引导权重的选择建模为马尔可夫决策过程，并用可精确测量的动作价值函数来拟合。
50%待验证Q-adaptive guidance 通过冻结专家策略、固定噪声，在某个步骤施加一个权重，并用当前控制器走完剩余规划，从而精确测量该权重的真实价值。
50%待验证在 Waymo 隐藏测试集上，冻结的 Alpamayo 1.5 配合基于规则的相机与车辆转换，再加上 Q-adaptive guidance，在已发表方法中取得新的 state of the art，评分反馈得分为 8.135159，而此前最佳已发表方法为 8.079。
50%待验证论文尚未披露权重调节在极端场景下的失效模式，以及 critic 在分布外场景的泛化表现。
50%