论文精读|DexVLA:先练动作专家,再接入视觉语言模型
1 min read
DexVLA 把扩散动作专家扩到十亿参数,再通过三阶段训练接入视觉语言模型。重点看动作预训练、跨本体输出头和子步骤推理怎样配合,以及实验支持了哪些结论。
DexVLA 把扩散动作专家扩到十亿参数,再通过三阶段训练接入视觉语言模型。重点看动作预训练、跨本体输出头和子步骤推理怎样配合,以及实验支持了哪些结论。
从 ALOHA 的双臂示教出发,理解 ACT 如何结合动作分块、时序集成和条件 VAE,学习高频精细操作,并核对网络结构、训练细节与实验边界。
沿着观测表示、点云编码、扩散动作生成和实验验证,理解 DP3 为什么能用少量示范学习操作技能,以及三维表示的收益究竟来自哪里。
从设计理念到功能清单:astro-theme-ink 的一切,一文看全。
环境准备、下载安装、跑起开发服务器、写第一篇文章、构建部署——完整的上手流程。
东南大学
机器人工程 · 学士
Aug 2023 - Jul 2027
东南大学
控制科学与工程 · 博士
Aug 2027 - Jul 2032 expected