新论文基准测试 pi 与 GR00T：VLA 学一个新任务到底需要多少演示数据
rahulshivchand · x · 2026-11-11
作者团队发布新论文，系统研究视觉-语言-动作模型(VLA)的样本效率问题。核心关注两个问题：VLA 学习一个新任务实际需要多少条演示数据？达到可用成功率又需要多少训练步数？
团队以 Physical Intelligence 的 pi 模型和 NVIDIA 的 GR00T 为对象进行基准测试，对比两者在不同演示数据量下的学习曲线与最终成功率。论文背景是：只要演示足够多，VLA 往往能达到较高成功率，但「足够多」到底是多少，此前缺乏系统量化。
所属事件:新论文量化 VLA 样本效率：π0.5 比 GR00T N1.7 省 2-5 倍演示(8 条相关)→
「具身」频道最新
- CoRL 论文 Maestro：用廉价旧模型 Gemini 2.5 零样本操控真机器人 — dineshjayaraman · 2026-11-11
- 开源药物发现引擎 OpenDDE 发布，抗体-抗原共折叠逼近商业最优 — teortaxesTex · 2026-11-11
- 特斯拉 Optimus 世界模型亮相 CoRL：真实策略在仿真世界中行走 — Scobleizer · 2026-11-11
- NUS 提出WM-PPO：用世界模型预测后继状态构造辅助优势提升策略 — NationalUniversityofSingapore · 2026-11-11
- DexForesight：隐式空间预判让灵巧操作成功率提升逾 11 个百分点 — Sharpa-Robotics · 2026-11-11
- NTU 研究：VLA 记忆按时间索引会把「停顿」当「进展」导致提前收工 — NanyangTechnologicalUniversity · 2026-11-11