研究人员为机器人领域的视觉-语言-动作模型开发了一种名为AVP（Action with Visual Primitives）的新架构。该方法将指令理解和场景理解与运动控制分离，允许预训练的视觉-语言模型推断目标位置并发出视觉原语令牌。这些令牌随后会条件化一个独立的动作专家，从而提高了在真实机器人抓取和放置任务上的数据效率和泛化能力。 AI
影响 AVP架构通过将感知与动作解耦，提高了机器人操控的成功率和数据效率。
排序理由 该集群包含一篇详细介绍机器人操控新架构的研究论文。[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 →