细粒度标注提升VLA表现
JeffDean · x · 2026-07-12
这条转发介绍了一个 vision + proprioception 的 VLA 模型研究：通过更细粒度的子任务标注，模型在生成子任务方面达到新的 SOTA，并且能更好地跨不同 embodiment 泛化。
文中给出两项结果：在 REASSEMBLE 上达到 93.1 F1@50，在 Amazon Robotics blade insertion 上达到 98.6。原帖还附了更详细的线程供展开阅读。
「具身」频道最新
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 欧洲第10国拉脱维亚批准 Tesla FSD,马斯克称赞小国审批最快 — elonmusk · 2026-10-27
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- NVIDIA 开源 FLORA：机器人数据引擎，成本仅 GPT-6 Astra 的 1/125 — nvidia · 2026-10-27
- 具身智能创业的隐藏难题：机器人公司需要另一种运营纪律 — ___Mufasaa · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27