CogACT（认知-动作组件化 VLA）¶
📌 一句话：componentized VLA——VLM 负责"认知"，再接一个专门的扩散 action transformer 负责"动作"序列建模；论文主张把动作模块从 VLM 里解耦出来效果更好。 🔬 全文精读 + 关键图 + 数字：详读-CogACT
🧰 对我们（速判）¶
- 能借：✅ 代码 + ✅ 权重。"VLM + 独立扩散动作头"是当前主流解耦范式之一，可作为接触觉/力控信号的动作模块参考。
- 资源：基于现成 VLM，动作模块单独训练。
- 证据：A（开源 + 有项目页/数据支撑）。
关键（摘要级）¶
- 📄 架构：VLM（认知）→ 专门 diffusion action transformer（动作序列）。
- 📄 论文强调解耦动作模块带来的样本效率 / 成功率收益（具体数字待核）。