Patch Policy：利用密集视觉特征提升机器人控制效率
NielsRogge · x · 2026-08-13
推文介绍了一个名为 Patch Policy 的机器人学习架构。当前的机器人策略要么将观测压缩为单一全局 token，要么依赖沉重的视觉语言模型（VLM），牺牲了细节和速度。\n\nPatch Policy 通过一个极简的架构扩展，允许 Transformer 策略直接处理密集的预训练 patch token。其核心是一个块因果注意力掩码，既保留了时间因果性，又能处理大量 patch token。\n\n实验表明，该方法比使用全局池化表示的策略相对提升了 40%，且在仅使用 OpenVLA-OFT 约 0.7% 参数的情况下超越了它。
「具身」频道最新
- 特斯拉新 Roadster 演示:垂直爬墙、倒挂行驶,靠推进器飞离 — tetsuoai · 2026-10-16
- FoveaVLA 用学习式注视动作替代腕部相机,成功率升至 70.8% — Haoyu_Xiong_ · 2026-10-16
- 马斯克暗示：Grok 将进 Optimus 机器人，数字 Optimus 也将入 Grok — beffjezos · 2026-10-16
- OpenDriveLab 等提出 SimVTA:用模拟器渲染未来视频给驾驶世界模型做 RL 后训练 — OpenDriveLab · 2026-10-16
- 9 家机器人数据供应商横评：Scale AI 营收超 10 亿美元，机器人业务能否复制其利润率 — FinanceYF5 · 2026-10-16
- Kroger 裁 3000 个公司岗位占 37%，博主预言人形机器人 2030 年代接棒 — csuwildcat · 2026-10-16