万字长文全面回顾具身智能领域中的视觉-语言-动作模型！

文章预览

点击下方 卡片 ，关注“ AIGC Studio ” 文章链接：https://arxiv.org/pdf/2405.14093 亮点直击 本综述是关于具身智能领域中新兴的视觉-语言-动作模型的首次全面回顾。 全面回顾。 对具身智能领域中涌现的VLA模型进行了全面回顾，涵盖了架构、训练目标和机器人任务等各个方面。 分类法。 引入了当前机器人系统的分层结构分类法，包含三个主要组件：预训练、控制策略和任务规划器。预训练技术旨在增强VLAs的特定方面，如视觉编码器或动力学模型。低层次控制策略根据指定的语言命令和感知到的环境执行低层次动作。高层次任务规划器将长远任务分解为由控制策略执行的子任务。 丰富资源。 概述了训练和评估VLA模型所需的资源。通过比较它们的关键特性，调查了最近引入的数据集和模拟器。此外，还列出了广泛采用的基准测试，涉及机器人控制和具 ………………………………