LEARNING
RotVLA：面向视觉-语言-动作模型的旋转潜在动作
Qiwei Li, Xicheng Gong, Xinghang Li, Peiyan Li, Quanyun Zhou, Hangjun Ye, Jiahuan Zhou, Yadong Mu
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
RotVLA提出了一种基于连续旋转潜在动作表示的VLA框架，将潜在动作建模为SO(n)群元素，以提供连续性、组合性和与真实世界动作一致的几何结构。通过三重帧学习框架和流匹配动作头，该模型在大规模跨本体机器人数据集和人类视频上预训练，并利用潜在动作作为高级规划器来指导下游机器人控制。
关键词
latent action modelvision-language-actionrotational representationrobot pretrainingflow matching
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018