DART：单样本即可实现VLA机器人跨环境适应
_akhaliq · x · 2026-07-03
首尔国立大学研究团队提出DART方法，通过权重空间算术技术，实现视觉-语言-动作（VLA）模型在环境变化下的单样本适应。该方法使机器人策略无需大规模重新训练即可在新场景中快速泛化，大幅降低具身AI的部署门槛。论文已发布于HuggingFace Papers平台。
「研究」频道最新
- YC 活动上称，生物基础模型必须模拟细胞而非只会描述 — david_van_dijk · 2026-07-27
- 谢雅琪加入 UIUC 任助理教授，招募智能体与机器人方向学生 — dhruv2038 · 2026-07-27
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27