视觉与机器人

机器人 / 具身智能

机器人、具身智能、机器人学习、操作、导航和具身世界模型。

2026-02-04 至 2026-02-04 共收录 2 篇信号源：cs.RO, cs.AI, cs.CV, cs.LG

1. 机器人基础模型 2 篇

2602.03445 2026-02-04 cs.AI cs.LG cs.RO 80%

CRL-VLA: Continual Vision-Language-Action Learning

CRL-VLA：持续视觉-语言-动作学习

Qixin Zeng, Shuo Zhang, Hongyin Zhang, Renjie Wang, Han Zhao, Libang Zhao, Runze Li, Donglin Wang, Chao Huang

机构 * University of Southampton, UK（英国南安普顿大学）； Westlake University, China（西湖大学）

专题命中机器人基础模型：embodied agent(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 CRL-VLA通过双批评者架构和目标条件价值公式，实现VLA模型在持续学习中的稳定与可塑性平衡，优于现有方法。

2602.03782 2026-02-04 cs.CV cs.RO 73%

QVLA: Not All Channels Are Equal in Vision-Language-Action Model's Quantization

QVLA：视觉-语言-动作模型量化中并非所有通道都平等

Yuhao Xu, Yantai Yang, Zhenyang Fan, Yufan Liu, Yuming Li, Bing Li, Zhipeng Zhang

机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（自动化实验室，人工智能学院，上海交通大学）； Anyverse Dynamics ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院）； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学）； Terminal Technology Department, Alipay, Ant Group（终端技术部，蚂蚁集团）

专题命中机器人基础模型：robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.CV

AI总结 QVLA提出了一种动作导向的量化框架，通过按通道分配比特数来优化视觉-语言-动作模型的压缩，实现了更高的性能和效率。

Comments ICLR2026