EMMA框架提升VLA模型鲁棒性

2026年10月21日，Zhehao Dong团队在arXiv提出EMMA框架，旨在通过生成式视觉模型增强视觉-语言-动作（VLA）模型的鲁棒性。该研究构建了一个结合生成式数据引擎与训练流水线的系统，核心包含DreamTransfer和AdaMix两部分。DreamTransfer基于扩散Transformer生成多视角一致的增强视频，而AdaMix策略则用于自适应加权困难样本，从而优化模型训练效果。在真实机器人零样本任务测试中，该框架相比仅使用真实数据训练的模型，性能提升了超过92%；若进一步结合AdaMix策略，性能可额外提升17%。该成果展示了利用生成式视觉数据增强机器人控制鲁棒性的有效路径。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。