让具身智能更快更强！华东师大&上大提出TinyVLA：高效视觉-语言-动作模型，遥遥领先

文章预览

点击下方 卡片 ，关注“ 自动驾驶之星 ” 这里有一群奋斗在自动驾驶量产第一线的小伙伴等你加入 作者：Junjie Wen等 解读：AI生成未来     论文链接：https://arxiv.org/pdf/2409.12514 项目链接：https://tiny-vla.github.io/ 具身智能近期发展迅速，拥有了大模型"大脑"的机械臂在动作上更加高效和精确，但现有的一个难点是：模型受到算力和数据的制约。如何使用更少的训练数据，以更快的推理速度，实现媲美OpenVLA的性能？今天给大家分享的TinyVLA，就是来解决这个难题的，还有多种规模的模型可供选择！ 总结速览 解决的问题 ：现有的视觉-语言-动作（VLA）模型在推理速度慢和需要大量机器人数据进行预训练方面面临挑战，限制了实际应用。 提出的方案 ：引入一种新型紧凑型视觉-语言-动作模型TinyVLA，提供更快的推理速度和更高的数据效率，消除预训练阶 ………………………………