Concertina:操作与认知合一的VLA

7次阅读
没有评论

Concertina 把连续轨迹表示直接放进共享的扩散视觉语言模型主干。该设计让视觉语言理解与动作生成共享同一主干表示。主动动作投影只占参数的 0.21%,没有独立的动作生成层,操作与认知合用同一模型,结构更为紧凑。

正文完
 0
评论(没有评论)

内容合作 · 项目交流

欢迎开发者、团队与我们联系,一起推动 AI 与机器人领域的优质内容创作与交流。