LA4VLA：让 VLA 模型学会不“看”也能“做”-上海交通大学、阿里巴巴集团、南洋理工大学、阿卜杜拉国王科技大学

概要：现有 VLA 模型依赖视觉捷径、语言指令约束力弱；本文提出无视觉参与的语言动作预训练框架 LA4VLA，自制 33K 数据集，在仿真与真机任务上达到了预期的效果；

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 ；