RynnVLA-Latent: Mở rộng quy mô các mô hình nền tảng thao tác robot với hành động tiềm ẩn gắn liền không gian 3D

Đoạn trích bài viết

Việc mở rộng quy mô các mô hình thị giác-ngôn ngữ-hành động (VLA) bị hạn chế bởi sự khan hiếm các bản trình diễn được gán nhãn hành động và không gian điều khiển không tương thích giữa các dạng hình thể robot khác nhau. Chúng tôi giới thiệu RynnVLA-Latent, một khung làm việc biến các video tương tác không đồng nhất thành nguồn giám sát có thể mở rộng cho quá trình tiền huấn luyện chính sách robot.