#dexvla

论文精读｜DexVLA：先练动作专家，再接入视觉语言模型

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。