w²VLA提出解耦声明性与过程性知识的VLA模型

Nikolaos Tsagkas 等研究者提出新视觉-语言-动作模型 w²VLA，重构机器人控制中的信息流：不再把视觉-语言模型编码器的全部多模态 token 输入大型不透明的 transformer 动作专家，而是以可组合、可解释的方式，用视觉、空间和技能信息调制机器人状态序列。 作者称该模块化方法成功解耦了知识表示，实现了稳健的行为克隆，并在差异较大的未见物体上展现出零样本技能迁移能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。