arXiv · 机器人与计算机视觉· Suvarna Kadam (Witsense AI), Soran Parsa (University of Huddersfield)·· 3 天前AI 评分58
视觉语言动作模型:设计与训练及部署的生命周期综述
Vision-Language-Action Models: A Life-Cycle Survey of Design, Training and Deployment
AI 导读
这篇论文回顾了 2022 年 12 月至 2026 年 10 月期间关于 VLA 模型的 88 项工作,涵盖操作、导航、人形控制及世界动作模型。文章沿七个维度分析了 22 个代表性模型的设计架构、训练数据(从遥操作到社区收集)及部署速度,指出模型参数规模出现分裂趋势,并讨论了部分模型在物体或相机轻微移动时表现脆弱的问题。
来源:arXiv · 机器人与计算机视觉 · arxiv.org