EMMA用生成视觉数据增强VLA策略泛化

Zhehao Dong 等提出EMMA框架，用生成式数据引擎与训练流程为视觉-语言-动作（VLA）策略扩充训练数据，缓解跨外观机器人操作数据采集成本高的问题。其核心组件DreamTransfer基于扩散Transformer，生成多视角一致、几何合理的操作视频，可对前景、背景和光照做文本驱动编辑并保持三维结构。 论文称，在真实机器人任务的零样本视觉设置下，该框架相比仅用真实数据训练取得超过92%的相对性能提升，加入AdaMix训练策略后额外提升17%；AdaMix按策略表现自适应加权样本，侧重更难的样本。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。