VLA空间理解再升级

8次阅读
没有评论

11 月 7 日提交的 SPARK-VLA 用空间表征蒸馏与知识路由,让视觉语言动作模型学会看懂三维物理结构,推理时不需要外部几何输入,仅用约 5300 万可训练参数与 0.5B 语言骨干就在多项操作评测中取得强劲表现,代码已开源。

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。