研究人员推出 LingBot-VA 2.0，这是一款专为物理环境中的机器人控制设计的新型视频-动作基础模型。与从数字内容生成改编而来的模型不同，LingBot-VA 2.0 采用语义视觉-动作分词器，以提高指令遵循和动作精度。它还利用因果预训练范式来防止灾难性遗忘，并采用稀疏专家混合（MoE）骨干网络以实现高效高频推理。该模型在现实世界部署中验证了其实时闭环控制能力，在复杂操作任务中展示了强大的少样本泛化能力。 AI
影响 该模型针对物理环境的专业设计及其展示的泛化能力，有望加速开发更强大、更具适应性的机器人。
排序理由 该集群包含一篇详细介绍新模型及其能力的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.08639v1 Announce Type: cross Abstract: The advent of video-action models offers a promising path for robot control. Nevertheless, we argue that repurposing video generative models designed for digital content creation is inherently inadequate for physical environments.…
The advent of video-action models offers a promising path for robot control. Nevertheless, we argue that repurposing video generative models designed for digital content creation is inherently inadequate for physical environments. To bridge this gap, we present LingBot-VA 2.0, a …