HuggingFace Daily Papers·· 6 天前AI 评分62
NEO-VLA：面向原生视觉-语言-动作策略的无编码器框架
From Pixels to Actions - Towards Native Vision-Language-Action Policies
AI 导读
研究提出 NEO-VLA，一个结构上无编码器的视觉-语言-动作框架，图像由轻量 patch 卷积层 token 化，并与语言在主干中共同演化，流匹配动作专家可从不同深度的指令条件视觉表征中取用信息。
来源：HuggingFace Daily Papers · huggingface.co
所属事件：研究提出无编码器VLA框架NEO-VLA