SimpleMemVLA:用完整视频历史喂VLM实现长程机械臂操作
openbmb · hf · 2026-09-09
openbmb 发布 SimpleMemVLA,一种面向视觉-语言-动作(VLA)模型的简洁原生视频记忆方案。
核心做法:
- 将完整带时间戳的视频历史直接输入预训练 VLM 骨干
- 利用隐藏状态驱动 flow-matching 动作头
实验显示,这种「直接喂视频」的方式在长程操作任务上超越了专门设计的记忆模块,方法简单但有效。
「具身」频道最新
- Enactic 创始人宣布离职：开源项目 OpenArm 已被 NVIDIA 等采用 — hiro_yams · 2026-09-09
- 苹果收购 Sonera：磁传感技术或让脑活动测量像测心率一样简单 — asymco · 2026-09-09
- 1.2 美元就能控制一台步进电机，硬件便宜得离谱 — _Stocko_ · 2026-09-09
- World Labs 实时演示 3D 一致的 next-view 预测模型 — drfeifei · 2026-09-09
- 从业 18 年老兵复盘：机器人行业 demo 智能与实地智能的鸿沟 — yongqianme · 2026-09-09
- 人形机器人画家 Ai-Da 的图灵肖像将上拍苏富比，估价 18 万美元 — CyberRobooo · 2026-09-09