VLA学会记住场景变化

4次阅读
没有评论

STVLA 给视觉 - 语言 - 动作模型加上空间几何与时序记忆,真实世界积木堆叠任务中比 π0.5 的成功率高 58.33 个百分点,框架把预训练视觉几何基础模型的特征接入时序记忆,在多项基准上平均成功率最高。

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。