研究人员提出了一种统一的、与架构无关的概率表述,用于具身基础模型,这些模型用于机器人学习和控制。这种新表述利用随机核来表征这些模型,通过条件输出分布和动作实现核,从而能够诱导任务条件下的机器人策略。该方法将预训练和后训练阶段与策略部署联系起来,适应各种模型特定的目标和训练策略。该表述已通过 OpenVLA 和 DreamZero 等现有模型进行了演示,涵盖了不同的动作生成方法。 AI
影响 这种表述可以简化更通用、更强大的机器人具身人工智能系统的开发和部署。
排序理由 该集群包含一篇详细介绍具身基础模型新表述的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →