YUBI-STAG-Bench

新框架 YUBI-STAG 增强了 VLAs 的机器人操作对齐

研究人员推出 YUBI-STAG，一个旨在自动丰富机器人操作演示的框架，并提供详细的交互语义。该框架通过标注物体身份、属性、状态和抓手动作，旨在通过细粒度的操作指令改进 Vision-Language-Action (VLA) 模型的对齐。蒸馏版本 YUBI-VLM 通过较少的推理调用从原始视频中恢复动作结构和标注，从而简化了这一过程，并在双手机器人任务中展示了改进的性能和指令遵循能力。