HuGe: Scaling Humanoid Generalist Vision-Language-Action Models with Egocentric Experience

Đoạn trích bài viết

Việc mở rộng mô hình thị giác ngôn ngữ hành động (VLA) cho robot nhân vật đòi hỏi sự kiểm soát toàn bộ cơ thể phối hợp và các biểu hiện đa dạng tốn kém để thu thập trong các kịch bản thế giới thực. Mặc dù các cuộc biểu tình của con người có tính tự trọng cung cấp một nguồn bổ sung của kinh nghiệm nhiệm vụ,.