研究人员开发了CoBoVLA,一个新颖的2.5亿参数视觉-语言-动作(VLA)模型,旨在提高机器人操作的鲁棒性和可解释性。与先前联合处理语言和动作的模型不同,CoBoVLA使用学习到的离散代码将这些功能解耦。这种方法将指令映射到步骤代码,然后由视觉规划器将其转换为由与语言无关的执行器执行的动作序列。这种架构显著提高了对释义指令的性能,并通过追溯到特定阶段,更容易诊断故障。 AI
影响 增强了机器人操作的鲁棒性和可解释性,有望实现更可靠、更易于诊断的AI驱动机器人系统。
排序理由 该集群描述了一篇详细介绍机器人操作新模型架构的新研究论文。[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 →