HiVLA：以视觉定位为中心，层次化具身操控模型-香港大学、上海 AI 实验室、上海交通大学、香港中文大学

概要：采用 VL-A 分离式分层框架，结合对于动作生成部分网络结构的优化，显式解耦高低运控，提高长程任务的执行效果；将 VLM 的自适应细节关注很好地与 VLA 领域进行结合；

声明：上述声音采用AI合成，解析内容为原创；解析仅针对该文发布时，arxiv上已公开被解析论文的最新版本的内容进行；其中所有涉及原论文的图、数据都引用自原论文，如涉及侵权，请及时联系删除；人工解读，难免有错误遗漏，如有发现及时联系修改；如需要深入研究建议阅读原文；

链接：arxiv.org；