跳到正文
热点事件持续更新

VOMMI：便携演示接入VLA后训练

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

Yutian Zhang 等作者发布 VOMMI 便携演示采集与学习框架，通过离线轨迹重建和在线视觉-运动条件化，把便携 RGB 演示接入 VLA 后训练。其中 R2-VO 用稀疏几何锚点精修轨迹，使身体与手部流绝对轨迹误差平均降低 24.6%。 作者称，仅用便携演示后训练的策略，基座速度误差比用机器人采集演示训练的策略低 18.2%，末端执行器平移精度相当；完整系统在三个真实机器人任务上平均成功率比 OpenPI 0.5 高 8.3 个百分点。实验设置中，每个任务使用 500 条便携轨迹，其中 75 条留作 RGB-VO 评估，并以 200 条机器人演示作参照。

AI 根据报道生成 · 15 小时前更新

最新进展11月9日 13:00
VOMMI：面向移动操作的可携带演示采集与学习框架

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv cs.RO
    VOMMI：面向移动操作的可携带演示采集与学习框架

    VOMMI 是一个可携带演示采集与学习框架，通过离线轨迹重建和在线视觉-运动条件化，把可携带 RGB 演示接入 VLA 后训练。R2-VO 用稀疏几何锚点精修轨迹，使身体与手部流绝对轨迹误差平均降低 24.6%；仅用可携带演示后训练的策略，基座速度误差比用机器人采集演示训练的策略低 18.2%，末端执行器平移精度相当。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。