跳到正文
热点事件持续更新

ScaleVLA以超大模型提升机器人学习

1 篇报道1 个报道来源37 分钟前更新

先了解这件事

AI 综述

清华、北大、上海交大与Galbot团队提出ScaleVLA,将552B参数的DeepSeek-V4.1-Flash骨干连接到可训练的action DiT,并在统一设置下比较不同规模的视觉语言模型骨干对机器人学习的影响。 团队报告称,ScaleVLA仅用10条演示训练便超过2B骨干使用50条演示的成绩,成功率为87.8%对85.6%;在LIBERO-PRO任务中成功率达45.1%。真实世界充电器插拔测试由4/10提升至9/10,每个动作块的中位延迟为216毫秒。

AI 根据报道生成 · 22 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    清华等团队提出 ScaleVLA:552B VLA 模型以 10 条演示胜过 2B 模型 50 条

    清华等团队提出 ScaleVLA,将 552B 的 DeepSeek-V4.1-Flash 骨干连接可训练的 action DiT。仅 10 条演示即超过 2B 骨干用 50 条训练的成绩(87.8% vs 85.6%),LIBERO-PRO 成功率达 45.1%。真实世界充电器插拔从 4/10 提升到 9/10,每个 action chunk 中位延迟仅 216ms。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。