ScaleVLA:VLA模型扩展至5520亿参数
ScaleVLA: Scaling Vision-Language-Action Models to 552 Billion Parameters
AI 摘要
研究团队提出ScaleVLA,将5520亿参数的DeepSeek-V4.1-Flash骨干网络与可训练的动作DiT连接,在统一训练设置下系统对比2B至552B规模VLA的表现:仅用10条演示即达87.8%成功率,超过2B骨干网络使用50条演示时的85.6%;LIBERO-PRO成功率45.1%,小骨干网络最高仅为31.3%。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。