SLA：通过持续预训练扩展空间-语言-动作模型
SLA是一种空间-语言-动作模型，旨在培养可迁移到机器人操作任务中的空间理解能力。该模型以预训练的pi05策略为基础，同时优化动作预测，以及视觉特征与冻结的3D感知模型空间表征之间的对齐。研究整合了涵盖不同机器人形态、任务和场景的数据集，并利用可用的深度信息和相机标定数据。新增组件仅在训练阶段使用，因此推理时保留原有的VLA架构。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。