VLA / 视觉-语言-动作模型

OmniSAT: Compact Action Token, Faster Auto Regression

Huaihai Lyu, Chaofan Chen, Senwei Xie, Pengwei Wang, Xiansheng Chen, Shanghang Zhang, Changsheng Xu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Computation, Chinese Academy of Sciences（中国科学院计算研究所） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

专题命中 动作表示与策略 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO、cs.CV