VLX-Go提出多阶段训练的具身视觉跟踪方法

Kyusong Lee等提出视觉-语言航点策略VLX-Go，用于具身视觉跟踪中的干扰物跟踪任务，论文称其将干扰物跟踪成功率提升2.42个百分点至58.22%，碰撞率下降1.99个百分点。 该方法基于“先对齐视觉与语言表征、再学习跟踪专用动作”的假设，训练分视觉-语言对齐、多模态推理和跟踪专精三阶段，共使用19,532条oracle episodes。论文将上述结果称为初步研究。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。