› Les modèles VLA (Vision-Language-Action) sont des systèmes de contrôle robotique qui associent des modèles vision-langage (VLM) pré-entraînés à un module dédié à la génération d'actions physiques.
› Le problème identifié par les chercheurs est le suivant : différentes couches d'un VLM stockent différents types d'informations, de la géométrie visuelle locale jusqu'à la sémantique abstraite liée au langage.
› Jusqu'à présent, les architectures VLA attribuaient à chaque couche du module d'action une couche VLM fixe, sans possibilité d'ajustement dynamique.
› Parallèlement, les représentations intermédiaires calculées par le module d'action étaient uniquement propagées de façon masquée via les flux résiduels (residual streams), sans réutilisation explicite.Ce que propose l'architecture LayerRouteLa solution présentée s'intitule LayerRoute et s'articule autour de deux composants.