[RO]《ScaleVLA: Scaling Vision-Language-Action Models to 552 Billion Parameters》R Yu, D Liu, X Chen, Z Qi… [Tsinghua University & Peking University] (2026)
在机器人领域,少样本泛化与精细对准是一个悬而未决的难题。过去的方法受困于小骨干感知浅与推理慢,本质原因是未跳过文本直取表征。
本文的核心洞见是:把千亿模型重新看作感知底座而非思考大脑。由此,省去文字输出、单次提取特征驱动动作这一关键操作使问题得以解开。
这项工作真正留下的遗产是用千亿表征换取少样本与精细操控。它为后来者打开的新门是稀疏大模型亚秒控机械臂,但尚未跨过的门槛是四卡算力与强扰动装配瓶颈。
arxiv.org/abs/2611.21607 #机器学习# #人工智能# #论文# #AI创造营#
发布于 北京
