DMuon

X Square Robot 发布具有开放代码和真实机器人测试的 4B VLA 模型

X Square Robot 发布了 Wall-OSS-0.5，一个拥有 40 亿参数的视觉-语言-动作 (VLA) 模型。该模型构建在 30 亿参数的视觉-语言模型骨干之上，并使用 Transformer 混合架构整合了动作专家。值得注意的是，该研究在微调前对模型在真实机器人上的性能进行了评估，展示了强大的零样本能力以及在任务特定适应后的显著改进。