首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >第24节 VLA模型与视觉语言动作

第24节 VLA模型与视觉语言动作

作者头像
贺公子之数据科学与艺术
发布于 2026-11-15 23:32:15
发布于 2026-11-15 23:32:15
100
举报
概述
核心问题:第23节的机械臂只会执行"目标位姿 (x,y,z) + 阻抗参数 K",可没人给它下这个指令——用户说的是"把货架第二层的鸡蛋拿起来放进篮子"。VLA(Vision-Language-Action)把图像+语言直接映射成动作序列,一次前向就跨过任务层与部分运动层。代价是什么?动作怎么变成"词"、离散化的分辨率为什么直接进力预算、多峰演示数据为什么让回归头学出"不可执行的平均值"、223m
文章被收录于专栏:架构之路架构之路人工智能

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档