VLA模型全生命周期综述:覆盖88项工作
Vision-Language-Action Models: A Life-Cycle Survey of Design, Training and Deployment
AI 摘要
Suvarna Kadam与Soran Parsa发布VLA综述,梳理2022年12月至2026年10月的88项工作,按模型设计、训练、部署七个维度展开,涵盖输入与记忆、架构、动作输出、中间预测,以及操作、导航、人形控制、世界动作模型与评测。文章指出该领域已从首个VLA模型RT-2发展到可在单张消费级GPU上微调的开源模型。
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。