LM-X可解释VLA基础模型论文发布
热点事件持续更新
LM-X可解释VLA基础模型论文发布
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
LM-X研究团队发布可解释视觉-语言-动作（VLA）基础模型LM-X论文，将任务进度（return-to-go）、下一语义事件（event-to-go）与局部指令可靠性（异方差动作流方差）三类解释信号与控制联合预训练，而非事后补充；RTG调节ETG、二者共同调节动作生成，不确定性在动作专家内部估计。 论文称LM-X在超过20,000小时异构真实机器人轨迹（含1,000小时以上失败rollout）上预训练，在50项随机化高难RoboTwin2.0任务上成功率74.1%、7项真实机器人任务上73.5%，对照GR00T N1.7的55.4%与50.7%。
AI 根据报道生成 · 52 分钟前更新
最新进展10月9日 12:00
LM-X：通过进度、事件与不确定性预测实现可解释的 VLA 建模报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学LM-X：通过进度、事件与不确定性预测实现可解释的 VLA 建模
论文提出可解释视觉-语言-动作（VLA）基础模型 LM-X，将任务进度、下一语义事件与局部指令可靠性三类解释信号与控制联合预训练，而非事后补充。LM-X 直接监督 return-to-go（RTG）、event-to-go（ETG）与异方差动作流方差，其中 RTG 调节 ETG、二者共同调节动作生成，不确定性在动作专家内部估计。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。