新闻详情

新闻详情

首页 / 资讯中心 / 详情

π0VLA论文阅读

发布时间:2026/11/17 13:47:47来源:尧图网络
π0VLA论文阅读
模型架构1、Π模型采用了预训练的VLM骨干模型结合了包含多任务的跨体数据集。2、添加了独立的动作专家通过流匹配生成连续动作从而实现精准连续的操作技能。流匹配是连续生成模型属于扩散模型的变体π₀用它来生成机器人连续动作序列。3、为了实现对各类多样化机器人数据源的利用采用了跨 embodiment 训练即将多种机器人类型的数据整合到同一模型中。4、精心设计的训练方案即先让模型在规模庞大、内容多样的语料库上进行预训练再在更细分、经过精心筛选的数据上进行微调以诱导出期望的行为模式。训练方式1、首先进行预训练使用了大规模的混合数据集不同机器人、不同任务其目的是训练一个具备广泛能力和泛化性的基础模型。2、针对复杂灵巧任务采用了两种后训练方式一是利用小到中等规模数据的高效后训练二是针对叠衣服、移动操作等复杂任务采用大规模数据集的高质量后训练。3、对数据内容进行的处理将机器人的关节角度状态q与预测动作设置为训练过程中维度最大的机器人一致实验中是18维机器人关节角度和预测动作的维度是相同的理论上机器人有多少关节就应预测多少个关节的动作。对于配置和空间维度低于18维度的机器人对训练数据进行0填充同样对于图像数量少于三个的机器人对缺失的图像进行掩码mask处理。掩码mask与空白图像的区别如果使用空白图像模型会将空白图像作为信息纳入注意力计算使用mask则直接屏蔽掉这个图像token不影响模型的注意力以及计算损失。为什么不对动作也进行mask?而是进行补零ai的回答是动作属于整个token不同的维度数据属于token内部的形态如果对token内部mask模型会学习到错误的输入输出维度导致损失计算时发生错误但是为了避免模型学习到维度数据为0的地方在计算loss的时候将这部分mask掉不参与计算。数据形式1、对输入模型的数据分布进行建模1机器人观测得到的多张RGB图像2文本语言3关节角度向量。其中图像与关节角度向量首先通过对应编码器进行编码再经过线性投影层映射到与语言标记相同的嵌入空间中。2、动作专家训练通过流匹配进行训练训练中得到50个未来动作块代表50HZ一秒的连续轨迹。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉