English(EN) Late Breaking Results: Audio-Language-Action Models with Direct Speech Conditioning for Robotic Manipulation

新模型将语音直接映射到机器人动作，缩短延迟

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了Speech-$\pi_{0.5}$，这是一种新颖的音频-语言-动作模型，可将原始语音直接映射到机器人电机指令，无需显式文本转录。与使用自动语音识别管道的传统方法相比，这种方法将响应延迟显著降低了约三倍。该模型基于$\pi_{0.5}$构建，并采用拆分LoRA适配分两个阶段进行训练，在LIBERO基准测试中展示了具有竞争力的任务成功率，并对未见的口音表现出强大的泛化能力。 AI

影响这项发展通过降低延迟和改善自然语言交互，有可能加速语音控制机器人技术的普及。

排序理由该条目描述了一篇关于机器人操作新模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇关于机器人操作新模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Enfu Nan, Pu Zhao, Yixiao Chen, Lin Zhao, Juyi Lin, Chen Wang, Weiwei Chen, Yanzhi Wang · 2026-10-27 04:00

最新突破：具有直接语音条件约束的音频-语言-动作模型用于机器人操控

arXiv:2610.33866v1 Announce Type: new Abstract: Vision-language-action (VLA) models enable robots to follow instructions in typed text, limiting broader deployment in natural speech. The traditional solution by prepending a speech recognition before VLA to convert speech into tex…

本文如何被排名

报道来源 [1]

最新突破：具有直接语音条件约束的音频-语言-动作模型用于机器人操控

相关实体

相关话题