Patch Policy 用 0.7% 参数量，操控成绩反超 7B VLA 18%
ylecun · x · 2026-07-23
研究者提出 Patch Policy：给机器人策略加一个很小的架构改动，让基于 Transformer 的控制器直接消费 ViT 的密集 patch token，而不是先压成单一向量再决策。
- 论文的核心观点是：预训练 ViT 保留了丰富的空间细节，但常规策略把这些信息大多丢掉了。
- 在实验里，Patch Policy 比一个微调后的 7B VLA 高出 18%，而参数量只有对方大约 0.7%。
- 作者将其定位为一种无需百亿级视觉语言模型，也能提升精细、稳定操作能力的方案。
所属事件:Patch Policy：0.7%参数量反超7B VLA模型(5 条相关)→
「具身」频道最新
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- StackChan 机器人上演 AI 短剧：Hermes Agent 用 JSON 脚本统筹表演 — alexcovo_eth · 2026-10-27
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- Bedrock Robotics 融资 6 亿美元,改装挖掘机已在商业工地全自动驾驶接单 — Sethwinterroth · 2026-10-27
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27