清华等推 ScaleVLA:把 VLA 模型扩到 552B 参数,10 条演示胜过 2B 模型 50 条
GalaxyGeneralRobotics · hf · 2026-11-17
清华、北大、上海交大与 Galbot 团队提出 ScaleVLA,将 552B 的 DeepSeek-V4.1-Flash 骨干连接可训练的 action DiT,并在统一训练设置下系统对比 2B 到 552B 的 VLM 骨干,检验前沿规模表征对机器人学习的价值。
三项核心结论:
- 样本效率:仅 10 条演示即超过 2B 骨干用 50 条训练的成绩(87.8% vs 85.6%)。
- 泛化能力:LIBERO-PRO 成功率达 45.1%,小骨干最高仅 31.3%。
- 精细操作:真实世界充电器插拔从 4/10 提升到 9/10,收益集中在接触敏感的对准环节。
尽管规模巨大,ScaleVLA 每个 action chunk 中位延迟仅 216ms。结论:前沿 VLM 不仅可作推理 agent,也可作为高效、可泛化机器人策略的表征基础。
「具身」频道最新
- Amazon 收购 RIVR 后启用四足机器人送货,配送成本格局生变 — TinfoilTricorn · 2026-11-17
- 复旦联手 Fysics AI 发布 UniWAM,真机操作任务成功率达 80% — jiqizhixin · 2026-11-17
- ChipAgents 创始人做客纽交所访谈,谈芯片设计 AI 全流程扩展 — WilliamWangNLP · 2026-11-17
- 英伟达机器人负责人:OpenAI Astra 让机器人训练数据制作快 100 倍 — pstAsiatech · 2026-11-17
- 蚂蚁集团用无动作标签的第一人称视频改进机器人策略学习 — antgroup · 2026-11-17
- 法日机器人多模态 AI 会议聚焦人本物理 AI 的研究缺口 — FrnkNlsn · 2026-11-17