研究团队提出统一VLA嵌入模型Robota-Embed

研究团队在预印本论文中提出统一视觉-语言-动作（VLA）嵌入模型 Robota-Embed 及评测基准 Robota-Embed-Bench。该模型能联合编码当前状态与未来延续的三模态信息，用于机器人的上下文检索。 团队基于近170万条清洗锚点训练该模型，测试显示其片段级与情节级检索准确率显著优于无动作模态的 Gemini Embedding 2。基于该嵌入的应用方法在 DROID-Sim 和 LIBERO 仿真任务中提升了策略成功率，并在真实机器人实验中改善了任务进度。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。