- 博客(5)
- 收藏
- 关注
RSS订阅原创 RotVLA: Rotational Latent Action for Vision-Language-Action Model
不同机器人、不同数据集的 action space 不一样，人类视频甚至没有 action 标注。作者提出用一种连续的、可组合的 rotational latent action 来统一表示动作，并把它作为 VLA 微调阶段的 latent planner，指导真实机器人动作生成。这篇文章的核心创新不是 VLA backbone，而是 latent action 的表示和预训练方式。但是跨机器人数据很难统一，因为不同机器人的动作维度、控制方式、坐标系都不一样。2. 为什么需要 Latent Action？
2026-05-27 16:04:47
25
原创 FAST: Efficient Action Tokenization for Vision-Language-Action Models
(Frequency-space Action Sequence Tokenization) 是由 Physical Intelligence 团队提出的一种针对 VLA（视觉-语言-动作）模型的新型分词方案。在传统的自回归 VLA 模型（如 OpenVLA 或 RT-2）中，通常使用**简单分箱（Naive Binning）**方案：将每个维度的连续值直接离散化为 256 个桶。，解决了自回归模型在处理高频、精细机器人动作时的效率与精度瓶颈。（如 1 秒钟内包含 50 个步长），动作维度为。
2026-04-09 19:44:06
489
原创 π0: A Vision-Language-Action Flow Model for General Robot Control
输入： 机器人拍下当前的几张照片，加上关节角度 qt，再加上人类说的一句“把桌子清理干净”。编码： 图像变 Patch，文字变 Embedding，动作初值是一堆噪声。计算： VLM 部分理解场景，动作专家部分结合场景特征，通过流匹配计算出接下来 50 步的“推力方向”。积分： 经过 10 次迭代，动作序列从噪声变成了平滑的轨迹。执行： 机器人快速执行这组动作，并在 0.5 秒后再次循环整个过程（闭环控制）。AAA。
2026-04-09 14:08:19
463
原创 安装Ubuntu的网络问题
这个方法是在不安装系统的情况下，先进入 Ubuntu 试用环境来修改源，再启动安装程序，这样安装时就会用新的源下载。双击桌面的 “Install Ubuntu” 图标，开始安装，此时就会使用新的镜像源下载软件。本人闲置了一个笔记本，想把windows系统改成Ubuntu，在安装过程中踩了坑，遂记录。而不是 “Install Ubuntu”，进入桌面环境。选择最小化安装，且不安装更新和第三方软件。在安装过程中，这个界面卡了很久很久，这样只需要几分钟就安装好啦。在安装引导界面，选择。
2026-01-29 21:58:05
160
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人