面向VLA的表示中心持续预训练方法VLAct发布
研究提出VLAct方法，以有限机器人数据提升VLA模型表现，在多个基准上超越工业级系统。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
机器人数据规模是构建通用视觉-语言-动作（VLA）模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身的关键，但实体采集成本高昂且覆盖稀疏，数据扩展难度远超图文数据。在此约束下，表示质量成为核心瓶颈。研究团队提出VLAct，一种面向VLA的视觉语言模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身骨干，在广泛异构多本体机器人数据上训练，再针对具体任务微调。该方法通过保留VLM先验、多头连续动作协同监督和部分统一跨本体动作布局，鼓励不同本体间的共享动作语义。在仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身、真实世界和未见本体迁移中，VLAct均提升下游性能。在LIBERO-Plus和RoboTwin 2.0上，VLAct超越ABot-M0和LingBot-VLA等工业系统，成功率分别为82.6%和92.5%。
在RoboDojo上，VLAct成功率排名第六，并优于所有明确指定的世界动作模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身。在RoboCasa-GR1未见人形本体上，仅用20%下游轨迹即超过全数据GR00T-N1.6基线。所有结果基于完全开源把代码、数据集或硬件设计公开给所有人免费使用。机器人公司常用开源来换取开发者和科研生态的支持。◆ 小白科普 · 现身数据和16-GPU设置，表明表示中心持续预训练可成为独立于数据扩展的VLA进展方向。