HARP-VLA用对齐表征提升VLA预训练
热点事件持续更新
HARP-VLA用对齐表征提升VLA预训练
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Xiang Zhu 等作者提出并发布 HARP 人机对齐表征学习框架，用于视觉-语言-动作模型（VLA）预训练：以成对人机演示作为跨本体桥梁、大量非配对人机视频作为动态监督数据，训练机器人适配的视觉编码器与潜在动作模型。 作者称，特征可视化、仿真与真实操作实验显示人机对齐与下游策略性能均有提升，在 CALVIN ABC→D 上平均长度达 4.481，真实世界成功率较最强基线提高 7.1 个百分点；代码、视频与演示已开放。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
HARP-VLA：面向视觉-语言-动作模型的人机对齐表征学习报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.RO 机器人学精选HARP-VLA：面向视觉-语言-动作模型的人机对齐表征学习
HARP 提出一种人机对齐表征学习框架，用成对人机演示作为跨本体桥梁、大量非配对人机视频作为可扩展的动态监督数据源，训练机器人适配的视觉编码器与潜在动作模型，以实现更有效的 VLA 预训练。特征可视化、仿真与真实操作实验显示人机对齐与下游策略性能均有提升，在 CALVIN ABC→D 上达到 4.481 平均长度，真实世界成功率较最强基线提高 7.1 个百分点；代码、视频与演示已开放。
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。