Modelo de acción lenguaje visión recursivo

Resumen del corpus

Se presenta RB-VLA, una arquitectura centrada en la creencia diseñada para mejorar los modelos de visión-lenguaje-acción en tareas de largo horizonte. Esta arquitectura utiliza un modelo de mundo auto-supervisado para mantener un estado latente que codifica la historia y las interacciones de objetos, logrando mejores tasas de éxito en tareas de manipulación complejas. El método reduce la latencia de inferencia y elimina el crecimiento de memoria temporal en comparación con modelos previos.

Periodista: Vaidehi Bagaria, Bijo Sebastian, Nirav Kumar Patel

Personas mencionadas
Noticia original

Ver todas las noticias de arXiv Computer Science AI