GEM-VLA

GEM模型通过生成式深度监督增强机器人技术

研究人员推出GEM，一种新颖的生成式监督具身视觉语言模型，旨在增强机器人能力。GEM将深度图生成任务整合到其预训练阶段，弥合了高级语义理解与对物理操作至关重要的低级空间知识之间的差距。该方法在具身智能方面取得了显著改进，在各种基准测试中取得了最先进的成果，并在模拟和现实世界环境中展示了卓越的任务执行能力。该项目还包括发布GEM-4M数据集以及相关的代码和模型。