千寻智能高阳团队的研究人员开发了Legato，一种新颖的视觉-语言-动作（VLA）模型训练方法，使机器人能够以自然、流畅的过渡执行动作。与以往在推理过程中修补连续性的方法不同，Legato将连续性直接整合到训练过程中。这是通过一种噪声-实值混合机制和逐步去噪过程实现的，该过程确保了训练和推理之间的一致性，从而实现更流畅、更高效的机器人运动。 AI
影响 通过解决动作生成中的连续性问题，实现更流畅、更高效的机器人运动，有可能加速在复杂操作任务中的应用。
排序理由 该条目描述了一种新的机器人训练方法，该方法已提交给会议并被接受。 [lever_c_demoted from research: ic=1 ai=1.0]
- Action chunking as conditional policy compression
- Flow Matching for Generative Modeling
- Gaoyang Team
- Legato
- Qianxun Intelligent
- Real-Time Chunking
- RSS 2026
- Vision-language-action model
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
