跳到正文
arXiv · ML· Suvarna Kadam (Witsense AI), Soran Parsa (University of Huddersfield)·· 4 天前AI 评分26

VLA 模型全生命周期综述:设计、训练与部署

Vision-Language-Action Models: A Life-Cycle Survey of Design, Training and Deployment

AI 导读

该综述回顾了 2022 年 12 月至 2026 年 10 月间的 88 项视觉语言动作模型研究,涵盖 22 个模型的设计、训练与部署。 研究发现三个趋势:训练数据规模从 10,000 小时扩展至 20,000 小时,模型参数向 3-7B 及 1B 以下分化,且通用模型开始涌现。 指出部分在基准测试中近乎满分的模型,在环境轻微变化时仍会失效。

来源:arXiv · ML · arxiv.org