Green-VLA: Поэтапные модели «зрение-язык-действие» для человекоподобных роботов-универсалов скачать в хорошем качестве

Green-VLA: Поэтапные модели «зрение-язык-действие» для человекоподобных роботов-универсалов

Представляем модель Green-VLA и связанные с ней обучающие фреймворки для улучшения возможностей управления обеими руками двуногих роботов. Для повышения эффективности использования данных исследователи значительно расширили обучающие данные, перевернув и зеркально отобразив существующие записи, и создали модуль планирования работы, который разлагает сложные голосовые команды на детальные задачи с использованием GigaVision VLM. В частности, были введены новые функции потерь и технологии модуляции, зависящие от скорости, для решения проблем снижения производительности, возникающих при обучении различным данным робота с разными пространствами управления. Кроме того, улучшенная тонкая настройка на основе обучения с подкреплением (RL) повысила точность поведения и продемонстрировала стабильную классификацию объектов и манипулирование ими как в симуляционной, так и в реальной среде. В результате система поддерживает различные типы роботов, позволяя гибко выполнять задачи — от точного локального управления до долговременного выполнения. https://arxiv.org/pdf/2602.00919