Đối với VLAs thời gian thực: Biến trình nhận thức hai bước từ chối dòng chảy và đánh giá cấp hệ thống

Đoạn trích bài viết

Các mô hình hoạt động ngôn ngữ thị giác (VLA) đối mặt với khoảng cách thời gian giữa suy luận tỷ lệ thấp và thực hiện robot tỷ lệ cao. Chúng tôi mô tả khoảng cách này thông qua các phép đo độ trễ từ đầu đến cuối của suy luận mô hình và chuỗi thực thi robot.