跳到正文
arXiv · 机器人与计算机视觉· Fuhao Li, Wenxuan Song, Qizhou Huang, Ziyang Zhou, Jingbo Wang, Junwu E, Pengwei Wang, Yan Wang, Shunbo Zhou, Haoang Li·· 13 天前AI 评分43

SLA:通过持续预训练扩展空间语言动作模型

SLA: Scaling Spatial-Language-Action Model via Continual Pre-training

AI 导读

SLA 是一个从 pi05 策略初始化、利用冻结三维感知模型进行联合优化的空间语言动作模型,旨在将隐式空间对齐能力扩展至持续预训练阶段。该模型通过特征依赖门控自适应聚合多 VLA 层视觉嵌入,并融合部分深度与相机标定数据以支持异构机器人数据集的空间学习。所有辅助组件仅在训练时使用,允许直接复用预训练的 VLA 权重并保持原始推理架构不变。

来源:arXiv · 机器人与计算机视觉 · arxiv.org