PulseAugur
实时 09:45:08
中文(ZH) DAM-VLA——手臂与夹爪解耦,三星研究院的动态动作VLA刷新机器人操控SOTA | ICRA 2026

三星的DAM-VLA解耦机器人手臂和抓手动作,实现SOTA操控

研究人员推出DAM-VLA,这是一种新颖的视觉-语言-动作(VLA)模型,旨在通过解耦手臂运动与抓手动作来增强机器人操控能力。该方法解决了现有模型将单一动作框架用于所有任务的局限性,而这种方法难以应对大规模手臂运动和精确抓手操作的独特需求。DAM-VLA利用双尺度加权机制和动态动作路由来提高效率和准确性,在抓取放置和家具组装任务上取得了最先进的成果。 AI

影响 引入了一种新的VLA架构,提高了机器人操控的准确性和泛化能力,可能加速具身智能的进展。

排序理由 这是一篇详细介绍机器人操控新模型架构的研究论文。

在 雷峰网 (Leiphone) 阅读 →

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

三星的DAM-VLA解耦机器人手臂和抓手动作,实现SOTA操控

报道来源 [1]

  1. 雷峰网 (Leiphone) TIER_1 中文(ZH) ·

    DAM-VLA -- 解耦手臂与抓手,三星研究院的动态动作VLA刷新机器人操控SOTA | ICRA 2026

    <h2>一、背景&nbsp;</h2><p>视觉-语言-动作(VLA)模型正成为机器人智能化的核心架构,但现有主流方法(如OpenVLA、π0、CogACT)存在一个根本性缺陷:用同一个动作模型统一处理所有类型的动作。这种「一刀切」的设计在面对机器人操控任务时暴露出两大内在矛盾。</p><p>从任务特性来看,机器人操控存在两种本质不同的动作类型:手臂大幅度运动(粗动作)需要全局场景理解、路径约束宽松;夹爪精细操作(精细动作)需要局部精细聚焦、精确抓取姿态、容错率极低。这两种动作在路径约束、视觉注意力和数据分布上有本质差异,用同一个模型兼顾「粗定位」与「精…