研究团队发布 InteractVLA 框架,让智能体直接指定末端执行器目标来引导预训练的流式视觉 - 语言 - 动作策略,并把生成的动作片段与相机投影交回智能体检查偏差、修正目标,在 LIBERO-Plus 上取得 99.4%,RoboDojo 48.62%,RoboCasa365 89.4%。
正文完
研究团队发布 InteractVLA 框架,让智能体直接指定末端执行器目标来引导预训练的流式视觉 - 语言 - 动作策略,并把生成的动作片段与相机投影交回智能体检查偏差、修正目标,在 LIBERO-Plus 上取得 99.4%,RoboDojo 48.62%,RoboCasa365 89.4%。