RynnVLA-Latent以具备3D基础的潜在动作扩展机器人操作基础模型
RynnVLA-Latent利用人类、机器人和仿真环境的交互视频预训练机器人策略，无需依赖带有机器人原生动作标注的演示数据。其核心组件RynnLAM从视觉变化中学习连续且具备3D基础的潜在动作。训练数据包括30,100小时视频，并由此生成7.4552亿个潜在动作描述。最终的40亿参数策略在未针对基准测试进行专门适配的情况下，在LIBERO上取得98.8%的成功率，在LIBERO-Plus上取得84.7%。论文还报告了其他基准测试以及六项真实世界操作任务的结果。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。