Newest papers

Reasoning as a Distribution: Generative Plan Latents for Vision-Language-Action Models

Matteo Cercola, Katie Z Luo, Milan Ganai, John Alora, Simone Formentin, Marco Pavone · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.28166 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Chính sách Vision-Language-Action (VLA) ngày càng lý luận trước khi hành động, nhưng các mô hình lý luận hiện có nén quyết định trung gian này thành một đại diện duy nhất. Khi nhiều kế hoạch có giá trị, cam kết này che giấu các lựa chọn thay thế có thể được lựa chọn hoặc sửa đổi. Chúng tôi giới thiệu Generative Plan Latent (GPL), đại diện cho trạng thái lý luận như là một sự phân phối có điều kiện chiều thấp trên các kế hoạch, chẳng hạn như đối tượng, nắm bắt, hoặc tuyến đường để sử dụng. Điều này làm cho trạng thái lý luận có thể được giải quyết: mà không cần đào tạo lại VLA, các kế hoạch có thể được lấy mẫu (chiếm), được lựa chọn theo yêu cầu (kiểm soát), và được cân nhắc lại bằng kết quả triển khai (thử nghiệm điều chỉnh kết quả). Tất cả ba chúng tôi trên SimplerEn

Machine translation (Meta M2M100); the English original follows.

Abstract

Vision-Language-Action (VLA) policies increasingly reason before acting, but existing reasoning models compress this intermediate decision into a single representation. When several plans are valid, this commitment hides alternatives that could otherwise be selected or revised. We introduce the Generative Plan Latent (GPL), which represents the reasoning state as a low-dimensional conditional distribution over plans, such as which object, grasp, or route to use. This makes the reasoning state addressable: without retraining the VLA, plans can be sampled (coverage), selected on request (steering), and reweighted by deployment outcomes (outcome adaptation). We test all three on SimplerEnv manipulation with $π_0$, and extend the analysis to RoboCasa, LIBERO, and a maze domain. Steering the plan raises the fraction of executions that follow the request from 0.48 to 0.94, while the same guidance on the native action distribution shows no reliable gain. Finally, we show that an explicit plan is most useful when it carries decision information not already determined by the observation.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Artificial intelligence, Plan (archaeology), Generative grammar, Retraining, Machine learning

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange