研究人员推出 YUBI-STAG,一个旨在自动丰富机器人操作演示的框架,并提供详细的交互语义。该框架通过标注物体身份、属性、状态和抓手动作,旨在通过细粒度的操作指令改进 Vision-Language-Action (VLA) 模型的对齐。蒸馏版本 YUBI-VLM 通过较少的推理调用从原始视频中恢复动作结构和标注,从而简化了这一过程,并在双手机器人任务中展示了改进的性能和指令遵循能力。 AI
影响 通过改进语言指令与物理动作之间的对齐,增强了机器人的指令遵循和操作能力。
排序理由 详细介绍机器人操作对齐新框架和模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
- Vision-Language-Action (VLA) models
- YUBI-STAG
- YUBI-STAG-Bench
- YUBI-VLM
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →