创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

ScaleVLA将机器人VLA模型扩展至5520亿参数

AI 总结

ScaleVLA论文将5520亿参数的DeepSeek-V4.1-Flash骨干模型与可训练的动作DiT连接,并在统一设置下比较了20亿至5520亿参数的视觉语言骨干。作者报告,最大模型在LIBERO-PRO上的成功率达到45.1%,充电头插入成功率从4/10提升至9/10,每个动作块的中位延迟为216毫秒。

深度见解

作者报告的结果显示,更大规模预训练视觉语言表征可能提升机器人策略的样本效率、泛化能力和精细操作表现。

Computer Science > Robotics

arXiv:2611.21607 (cs)

[Submitted on 16 Nov 2026]

Title:ScaleVLA: Scaling Vision-Language-Action Models to 552 Billion Parameters

Authors:Ruixi Yu, Dairu Liu, Xuchuan Chen, Zekun Qi, Zekai Li, Zhuo Cao, Luyang Niu, Yingsheng Zhang, Sikai Liang, Ke Fan, He Wang, Li Yi

View a PDF of the paper titled ScaleVLA: Scaling Vision-Language-Action Models to 552 Billion Parameters, by Ruixi Yu and 11 other authors

#ScaleVLA#DeepSeek-V4.1-Flash#GPT-6 Astra#action DiT

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。