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
- 用户用 Claude Code 拆解本田车机：发现 root 后门与静默装 APK — IndraVahan · 2026-10-26
- Temple 健康设备开启预售，用户质疑：未见实效前谁愿戴 — abhishekcode42 · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- Luke Wroblewski 细节控：iPhone Duo 圆角复刻初代 iPhone — LukeW · 2026-10-26
- 人形机器人两年跑赢人类：半马破纪录、百米超博尔特 — ben_j_todd · 2026-10-26
- 人形机器人每一步都是连续纠偏：看 demo 要看摔倒后怎么恢复 — Olivier__OG · 2026-10-26