MEKAWIRE
上級arXiv

SLA: Scaling Spatial-Language-Action Model via Continual Pre-training

Fuhao Li, Wenxuan Song, Qizhou Huang, Ziyang Zhou, Jingbo Wang, Junwu E, Pengwei Wang, Yan Wang, Shunbo Zhou, Haoang Li
日本語版は未提供のため、英語原文で表示しています。
要旨より

Reliable robotic manipulation requires both semantic understanding and precise control in three-dimensional space. However, vision-language-action (VLA) foundations largely inherit visual representations from 2D vision-language pre-training, while spatial supervision is often introduced only during task-specific adaptation.

要旨より。当社による要約は作成中です。

この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。