Sharpa 发布分层 VTLA 模型 CraftNet 用于精细操作

Sharpa 发布端到端分层 VTLA（视觉-触觉-语言-动作）模型 CraftNet，面向精细操作中的最后一毫米接触控制。模型由三部分组成：System 2（约 1 Hz，开源 VLM 负责推理与任务分解）、System 1（约 10 Hz 负责运动规划与粗动作）、System 0（约 100 Hz 基于触觉反馈实时微调手部动作），三者异步协同。