那么在 VLA （Vision-Language-Action Model） 能力突飞猛进的当下，如何构建一个高效的视觉 - 语言 - 动作学习系统，让人形机器人在语言和视觉输入下，像人类一样协调全身完成移动操作任务（ Loco-Manipulation Tasks）？ http://t.cn/AXSuB2oT
机器之心Pro
那么在 VLA （Vision-Language-Action Model） 能力突飞猛进的当下，如何构建一个高效的视觉 - 语言 - 动作学习系统，让人形机器人在语言和视觉输入下，像人类一样协调全身完成移动操作任务（ Loco-Manipulation Tasks）？ http://t.cn/AXSuB2oT