FIVE-VLA 自动驾驶方案:小视觉编码器加记忆机制,效率较 SimLingo 提升 7.5 倍
abursuc · x · 2026-09-17
作者在 SSAD 2026 演讲中补充了构建驾驶 VLA 模型的更多细节:此前给出四步流程(模型选型、数据策展、动作头设计、多阶段微调),而 FIVE-VLA 通过高分辨率图像输入、极小的视觉编码器与 LLM、记忆编码器/解码器以及更少 token,在 TPU 上效率达到 SimLingo 的 7.5 倍。
所属事件:SSAD 研讨会详解驾驶 VLA 模型构建方法(3 条相关)→
「具身」频道最新
- 机器人「科学大工程」48 小时后上线：机器人舰队实测模型 — DJiafei · 2026-11-02
- 机器人跳舞原理曝光:内部跑 FFT 判歌,靠 BPM 预测踩节奏 — wavefnx · 2026-11-02
- ALS 患者用 Neuralink 意念控制轮椅，马斯克转发见证案例 — elonmusk · 2026-11-02
- 自建机器人 Fetchbot 完成首次行驶 — _Stocko_ · 2026-11-02
- PhoneGirl 人形机器人第 8 天：能走路了，但走得很滑稽 — _Stocko_ · 2026-11-02
- 本地AI计算机Autonomous一周出海5国,售价最高近10万美元 — dee_hw · 2026-11-02