极低参数VLA行为引导方法获验证
热点事件持续更新
极低参数VLA行为引导方法获验证
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
研究人员James Tcheng和Feiyu Gavin Zhu提出了一种视觉-语言-动作模型（VLA）行为引导方法。该方法冻结OpenVLA-OFT 7B策略，仅优化8至384个可训练参数的TinyLoRA适配器。 在仅使用256个可训练参数的情况下，该模型在训练任务中实现了物体携带高度提升120毫米，成功率为92%；在留出任务中提升74毫米，成功率为80%。该研究成果已发表于NeurIPS 2026 RoboPAD Workshop。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
极低参数下视觉-语言-动作模型的行为引导研究报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · ML极低参数下视觉-语言-动作模型的行为引导研究
研究人员通过冻结 OpenVLA-OFT 7B 策略，利用 8 至 384 个可训练参数的 TinyLoRA 适配器，实现了视觉-语言-动作模型的行为引导。在仅 256 个可训练参数下，训练任务中物体携带高度提升 120 mm 且成功率为 92%，留出任务提升 74 mm 且成功率为 80%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。