跳到正文
热点事件观察中

CoBoVLA 模型发布:通过离散代码解耦语言与动作以提升具身智能鲁棒性

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Mehul Arora、Dhruv Agarwal 和 Ambuj Agrawal 提出了 CoBoVLA(CodeBookVLA)视觉 - 语言 - 动作模型,该模型拥有 2.5 亿参数。其核心创新在于引入可解释的离散码,将指令理解、规划与控制过程解耦。 实验数据显示,在 LIBERO-Goal 基准测试中,CoBoVLA 的操作成功率达到 91.4%,优于 SmolVLA(82.8%)。模型在指令同义改写测试中表现出更强的稳健性,且控制延迟仅为每步 17ms。研究者指出,语言理解仍是导致操作失败的主要来源。

AI 根据报道生成 · 2 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    CoBoVLA:利用离散码解耦语言与动作以实现鲁棒的机器人操作

    论文介绍 CoBoVLA(CodeBookVLA),这是一个拥有 2.5 亿参数的视觉 - 语言 - 动作模型,通过引入可解释的离散码将指令理解、规划与控制解耦。实验显示,在 LIBERO-Goal 基准上其成功率达 91.4%,优于 SmolVLA(82.8%);在指令同义改写测试中表现更稳健,且控制延迟仅为每步 17ms。材料指出语言理解仍是主要失败来源,并提供了预印本链接与补充材料。

本事件热度走势

可比范围当前
3
可比范围峰值
911月18日 15:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。