CrossVLA: Post-entrenamiento e inferencia entre paradigmas para VLA
Descubre CrossVLA, un estudio que optimiza el post-entrenamiento e inferencia en modelos VLA usando DPO, DoRA y técnicas de caché. Resultados en LIBERO.
#vla
C³ache: Caché Cruzado para Acelerar Modelos de Acción Mundial
Descubre C³ache, un método sin entrenamiento que acelera hasta 2.5x los Modelos de Acción Mundial (WAM) mediante caché de inferencia cruzada, manteniendo la precisión.
State Backdoor: ataque sigiloso a modelos de visión-lenguaje-acción
Nuevo ataque sigiloso (State Backdoor) explota estado inicial robot para comprometer modelos VLA. Más del 90% de éxito sin afectar rendimiento.
Tu modelo ya lo sabe: filtro de seguridad con atención para VLA
Aprovecha la atención interna de los modelos VLA para filtrar obstáculos en tiempo real. Sin entrenamiento extra.
NoRD: Modelo VLA eficiente en datos que conduce sin razonamiento
Descubre NoRD, el modelo VLA que conduce sin razonamiento usando menos datos. Resultados competitivos en Waymo y NAVSIM con 3x menos tokens.
vla.cpp: Runtime de inferencia unificado para modelos VLA
vla.cpp ejecuta modelos VLA en 1.3 GB, igualando rendimiento Python en GPU. Optimiza inferencia en hardware robótico.
Ego-Pi: Ajuste fino VLA con datos egocéntricos humanos y robots
Descubre cómo Ego-Pi usa datos humanos egocéntricos para entrenar robots, superando la falta de datos robóticos y logrando nuevas habilidades sin datos robot.
GEAR-VLA: Aprendizaje de representaciones geométricas para manipulación robótica
Descubre GEAR-VLA, el marco VLA que logra un 90% de éxito en agarre universal con objetos no vistos. Representaciones geométricas unificadas para robots.
FiberTune: Residuos visuales de acción en ajuste fino VLA
FiberTune mejora el ajuste fino de políticas VLA preservando residuos visuales clave, logrando +10.7% en éxito de tareas robóticas sin costo de inferencia.
Evaluación de modelos VLA en SO-101: Fallos y recuperación
Evaluamos modelos VLA en robots de bajo costo con el benchmark SO-101: fallos, recuperación y robustez. ¡Descubre los resultados!
ViVa: Modelo generativo de video para aprendizaje por refuerzo en robots
ViVa usa video generativo para predecir el futuro del robot y evaluar el progreso, logrando un 80% de éxito en manipulación robótica.
Adaptación robótica vía metaaprendizaje en pesos
Descubre cómo WIZARD usa meta-aprendizaje en pesos para adaptar robots a nuevas tareas con solo una instrucción y un video, sin reentrenamiento.
RhinoVLA: el modelo VLA que acelera la robótica en el borde
Descubre RhinoVLA, el modelo VLA token-eficiente que alcanza 11.69 Hz en tiempo real sobre Huixi R1, con rendimiento comparable a π0.5 y código abierto.
3 Ventajas Clave de la Segmentación VLAN: Asegura tu Red
Segmentación VLAN: mejora la seguridad, optimiza el rendimiento y simplifica la gestión de tu red. Reduce el riesgo de brechas.
MPCoT: Razonamiento latente multi-ruta guiado por recompensa para VLA
MPCoT mejora las políticas VLA en control de largo plazo con razonamiento latente multi-ruta guiado por recompensa, sin generar tokens extra.
TempoVLA: Políticas de Visión-Lenguaje-Acción con Velocidad Controlable
TempoVLA controla la velocidad de robots manipuladores: acelera en zonas seguras y desacelera en contacto. Aumenta eficiencia y seguridad.
Que sea simple: acciones en un solo paso para modelos VLA
Descubre cómo entrenar modelos VLA para generar acciones en un solo paso con técnicas de difusión estándar, mejorando eficiencia en robótica. Resultados sorprendentes en LIBERO.
Que sea simple: generación de acciones en un paso
Simplifica la generación de acciones robóticas con modelos VLA: un solo paso supera a diez pasos. Resultados en LIBERO y robots reales. ¡Lee más!
Rompiendo el cuello de botella perceptual en IA con SceneDiver
Descubre cómo SceneDiver rompe el cuello de botella perceptual en IA visión-lenguaje, reduciendo alucinaciones visuales en robótica y navegación.
Transiciones de fase del transformador ruidoso en dimensión arbitraria
Nuevo estudio revela transiciones de fase en el modelo de transformador ruidoso para cualquier dimensión. Implicaciones para la teoría de atención en IA.