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
- 亚马逊谷歌卖出6亿台音箱,AGI 时代为何无人再造智能音箱 — julianlehr · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11