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
- 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
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11