Toàn bộ tin AI · Thẻ “VLA”

45 tin · trang 1/2

Hôm qua · 27/09

Chủ Nhật · 1 tin
JiQiZhiXin
Nghiên cứuĐiểm AI 92/100

Tinh chọnCoRL 2026: LIFT giúp mô hình VLA 'cảm nhận' lực mà không cần dữ liệu tiền huấn luyện

Nhóm nghiên cứu từ ĐH Giao thông Thượng Hải giới thiệu LIFT, phương pháp cho phép mô hình VLA học cách phản ứng với lực thông qua hậu huấn luyện trực tuyến, giúp cải thiện đáng kể hiệu suất thao tác vật lý mà không làm mất đi kiến thức thị giác sẵn có.

Robot họcVLACoRL 2026LIFT
Vì sao đáng đọc: Đột phá quan trọng trong robot học, giải quyết bài toán thiếu dữ liệu lực bằng cách tối ưu hóa hậu huấn luyện, được hội nghị CoRL 2026 uy tín công nhận.

24/09

Thứ Năm · 1 tin

22/09

Thứ Ba · 5 tin
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 85/100

ShieldVLA: Căn chỉnh an toàn dựa trên khả năng thực thi cho mô hình Thị giác-Ngôn ngữ-Hành động

ShieldVLA là khung tinh chỉnh mới giúp robot vận hành an toàn hơn bằng cách học hàm giá trị khả năng tiếp cận Hamilton-Jacobi trực tiếp từ dữ liệu hình ảnh, giúp phân tách tối ưu hóa phần thưởng và vùng hoạt động an toàn.

Robot họcVLAAn toàn AIThị giác máy tính
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 48/100

Tư duy như mô hình thế giới, hành động như VLA: Chưng cất tri thức vật lý vào robot nhỏ gọn

Phương pháp mới giúp chưng cất tri thức từ mô hình thế giới vào chính sách VLA, cho phép robot hiểu bối cảnh vật lý mà không cần tải mô hình giáo viên nặng nề khi huấn luyện.

Robot họcVLAMô hình thế giớiAI điều khiển
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 88/100

Tinh chọnHuRo: Chuyển đổi video hành động của người thành dữ liệu huấn luyện robot quy mô lớn

HuRo là phương pháp mới giúp chuyển đổi video hành động của con người thành dữ liệu điều khiển robot, tạo ra tập dữ liệu khổng lồ với 630.000 tập mẫu để huấn luyện các mô hình VLA hiệu quả hơn.

Robot họcVLADữ liệu huấn luyệnThị giác máy tính
Vì sao đáng đọc: Nghiên cứu giải quyết bài toán thiếu hụt dữ liệu robot bằng cách tận dụng kho video con người khổng lồ, có tiềm năng lớn trong việc thúc đẩy khả năng học tập của robot.

20/09

Chủ Nhật · 1 tin

17/09

Thứ Năm · 2 tin
Pandaily
Mô hìnhĐiểm AI 88/100

Tinh chọnLight Origins ra mắt mã nguồn mở LightNav-0: Bộ não điều hướng đa năng cho robot

LightNav-0 là mô hình điều hướng dựa trên Qwen3-VL-4B, được huấn luyện qua quy trình Real2Sim2Real với hơn 4.000 giờ dữ liệu VLA, đạt hiệu suất dẫn đầu trên 10 bảng xếp hạng điều hướng đơn thị giác.

roboticsđiều hướngmã nguồn mởthị giác máy tính
Vì sao đáng đọc: Bước tiến quan trọng trong điều hướng robot với khả năng zero-shot ấn tượng, mã nguồn mở giúp thúc đẩy nghiên cứu thực tiễn trong cộng đồng AI.

16/09

Thứ Tư · 2 tin

15/09

Thứ Ba · 1 tin
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 88/100

Tinh chọnMobileVLA-R1 2.0: Bước tiến mới trong điều khiển robot di động nhờ suy luận tăng cường RL

MobileVLA-R1 2.0 kết hợp suy luận có cấu trúc với học tăng cường (RL) để thu hẹp khoảng cách giữa tư duy ngôn ngữ cấp cao và hành động điều khiển robot chính xác, giúp robot thực hiện các nhiệm vụ phức tạp hiệu quả hơn.

Robot họcVLAHọc tăng cườngAI điều khiển
Vì sao đáng đọc: Đây là nghiên cứu quan trọng trong lĩnh vực robot học, giải quyết bài toán hóc búa về sự nhất quán giữa suy luận và hành động thực tế bằng kỹ thuật CoT và RL.

14/09

Thứ Hai · 1 tin

09/09

Thứ Tư · 2 tin

08/09

Thứ Ba · 1 tin
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 85/100

EmbodiedSkills: Khung làm việc thống nhất để điều phối và triển khai các tác nhân VLA

EmbodiedSkills là khung làm việc mới giúp các tác nhân VLA thực hiện nhiệm vụ phức tạp bằng cách kết hợp kiểm tra điều kiện tiên quyết và xác thực kết quả sau hành động, đảm bảo tính chính xác trong môi trường thực tế.

Robot họcVLAAI thực thểĐiều khiển robot

06/09

Chủ Nhật · 1 tin
JiQiZhiXin
Nghiên cứuĐiểm AI 92/100

Tinh chọnStarVLA ra mắt VLAct: Chỉ với 16 GPU, vượt mặt NVIDIA GR00T N1.6 với dữ liệu ít hơn 80%

Nhóm nghiên cứu StarVLA giới thiệu VLAct, mô hình nền tảng VLM tối ưu hóa khả năng học từ dữ liệu robot, đạt hiệu suất vượt trội trên RoboDojo và RoboCasa dù chỉ dùng 16 GPU và 20% lượng dữ liệu so với các đối thủ.

Robot AIVLAHọc máyMã nguồn mở
Vì sao đáng đọc: Đột phá về hiệu quả huấn luyện (data efficiency) trong lĩnh vực robot VLA, giải quyết bài toán chi phí dữ liệu cao, có mã nguồn mở và kết quả thực nghiệm ấn tượng.

05/09

Thứ Bảy · 1 tin
JiQiZhiXin
Nghiên cứuĐiểm AI 88/100

Tinh chọnVLA-Corrector: Giải pháp 40M tham số giúp robot 'tỉnh táo' hơn khi thực hiện hành động

Nhóm nghiên cứu từ ĐH Chiết Giang và Alibaba DAMO Academy đã phát triển VLA-Corrector, một mô hình nhẹ giúp robot phát hiện và sửa lỗi kịp thời trong các khoảng mù hành động, thay vì mù quáng thực hiện chuỗi lệnh cũ.

Robot họcVLAAIThị giác máy tính
Vì sao đáng đọc: Giải quyết vấn đề thực tế trong robot học (VLA) bằng cách tối ưu hóa hiệu suất mà không cần tốn kém tài nguyên tính toán, có tính ứng dụng cao và kỹ thuật đột phá.

02/09

Thứ Tư · 2 tin
JiQiZhiXin
Nghiên cứuĐiểm AI 88/100

Tinh chọnUniSteer: Đột phá mới giúp robot học kỹ năng tinh vi thông qua sự hướng dẫn của con người

UniSteer giải quyết bài toán khó trong học tăng cường cho robot bằng cách chuyển đổi hành động của con người thành tín hiệu nhiễu, giúp mô hình VLA học các thao tác chính xác như xếp hạt nhựa chỉ với lượng dữ liệu tối thiểu.

RobotVLAHọc tăng cườngUniSteer
Vì sao đáng đọc: Giải pháp kỹ thuật thông minh cho vấn đề thực tế trong robot học, kết hợp hiệu quả giữa VLA và học tăng cường, có tính ứng dụng cao và đã được kiểm chứng qua thử nghiệm thực tế.

31/08

Thứ Hai · 3 tin
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 88/100

Tinh chọnVLAct: Bước tiến mới trong huấn luyện mô hình Robot Vision-Language-Action

VLAct tối ưu hóa việc huấn luyện mô hình robot bằng cách tập trung vào chất lượng biểu diễn thay vì chỉ tăng quy mô dữ liệu, giúp chuyển đổi các quỹ đạo robot hạn chế thành kiến thức hành động có khả năng ứng dụng linh hoạt trên nhiều nền tảng khác nhau.

Robot AIVLAEmbodied AIHọc máy
Vì sao đáng đọc: Nghiên cứu giải quyết bài toán hóc búa về dữ liệu robot, mang tính ứng dụng cao cho lĩnh vực AI thực thể (Embodied AI) và tối ưu hóa hiệu suất mô hình VLA.

30/08

Chủ Nhật · 1 tin
JiQiZhiXin
Mô hìnhĐiểm AI 92/100

Tinh chọnTừ VLA đến WBI: Sự tiến hóa của 'bộ não' trong robot thông minh

Bài viết phân tích sự chuyển dịch từ mô hình VLA sang Trí tuệ toàn thân (WBI), giúp robot hình người đạt khả năng điều khiển vật lý phức tạp, cân bằng động và phối hợp toàn thân thay vì chỉ tập trung vào thao tác tay đơn thuần.

Robot thông minhWBIVLARobot hình người
Vì sao đáng đọc: Chủ đề chuyên sâu, bắt kịp xu hướng công nghệ robot hình người mới nhất. Phân tích rõ ràng sự hạn chế của VLA và tiềm năng của WBI, rất hữu ích cho người làm kỹ thuật.

28/08

Thứ Sáu · 2 tin
ModelBest OpenBMB@OpenBMB
Sản phẩmĐiểm AI 36/100

Mianbi AI ra mắt SimpleNav: Khung nghiên cứu VLA thống nhất cho robot điều hướng

We are releasing SimpleNav: a unified research framework for Navigation VLA. 🤗 Navigation Vision-L…

DịchSimpleNav là khung mã nguồn mở giúp chuẩn hóa quy trình từ xử lý dữ liệu, huấn luyện mô hình đến đánh giá khép kín cho các mô hình thị giác-ngôn ngữ-hành động (VLA) trong lĩnh vực điều hướng robot.

RobotVLAMianbiAIMã nguồn mở

27/08

Thứ Năm · 6 tin
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 49/100

MA-VLA: Mô hình ngôn ngữ-thị giác-hành động đột phá cho robot đa cánh tay

MA-VLA là khung làm việc mới giúp điều phối nhiều cánh tay robot thông qua việc phân tách nhiệm vụ thành các hành động nguyên tử, cho phép robot thực hiện các tác vụ phối hợp phức tạp ngay cả với những kịch bản chưa từng gặp.

Robot họcVLAAI đa phương thứcĐiều khiển robot

26/08

Thứ Tư · 2 tin
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 92/100

Tinh chọnGigaBrain-0.7: Đột phá mô hình nền tảng robot với kiến trúc ba hệ thống

GigaBrain-0.7 là mô hình VLA thế hệ mới, kết hợp kiến trúc ba hệ thống để thống nhất khả năng hiểu, dự đoán và hành động, giúp robot vận hành linh hoạt trên nhiều loại hình cơ thể khác nhau với hơn 37.000 giờ dữ liệu huấn luyện.

Robot họcMô hình nền tảngVLAAI tổng quát
Vì sao đáng đọc: Đây là bước tiến quan trọng trong lĩnh vực robot học (embodied AI), giải quyết bài toán tổng quát hóa dữ liệu đa dạng, rất đáng chú ý cho giới nghiên cứu và kỹ sư AI.

25/08

Thứ Ba · 1 tin

24/08

Thứ Hai · 1 tin

21/08

Thứ Sáu · 2 tin
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 88/100

Tinh chọnτ_0-VLA: Mô hình nền tảng robot phân cấp với khả năng tính toán linh hoạt nhờ mô hình thế giới

τ_0-VLA cải thiện khả năng thực hiện các tác vụ robot dài hạn bằng cách cho phép mô hình tự đánh giá và tìm kiếm phương án tối ưu trước khi hành động, thay vì chỉ phản hồi một lần duy nhất.

roboticsVLAmô hình nền tảngAI điều khiển
Vì sao đáng đọc: Đây là bước tiến quan trọng trong việc áp dụng cơ chế 'test-time compute' (tương tự o1 của OpenAI) vào điều khiển robot, giúp giải quyết các tác vụ phức tạp và dài hạn.
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 48/100

EXIMO: Tối ưu hóa robot VLA thông qua dẫn dắt khám phá bằng mô hình VLM

EXIMO là thuật toán ba giai đoạn giúp tinh chỉnh mô hình VLA hiệu quả bằng cách sử dụng VLM để lập kế hoạch, phân rã nhiệm vụ và tối ưu hóa thông qua học tăng cường, giúp robot đạt hiệu suất vượt trội với ít dữ liệu hơn.

roboticsVLAVLMhọc máy

20/08

Thứ Năm · 2 tin
IT Home
NgànhĐiểm AI 30/100

XPeng bác bỏ tin đồn về tiến độ xe tự lái, khẳng định mô hình VLA thế hệ 2 vẫn đúng lộ trình

XPeng phủ nhận các thông tin sai lệch về tiến độ phát triển tính năng hỗ trợ lái. Hãng xác nhận mô hình VLA thế hệ 2, với khả năng nhận diện tín hiệu giao thông vượt trội, đang được triển khai đúng kế hoạch để sớm đưa vào sử dụng.

XPengXe tự láiVLAAI trong xe hơi
Đã tải 40 tin

40 tin mỗi trang, cuộn để tải tiếp · lọc và sắp xếp ngay trên máy chủ (69 ms) · bộ lọc nằm trong đường dẫn nên chia sẻ link là giữ nguyên kết quả

Toàn bộ tin AI · Thẻ “VLA” | AIHOT.vn