VLX-Go 多阶段学习提升具身视觉跟踪

Kyusong Lee、Heting Ying、Tiancheng Zhao 发布技术报告，提出视觉-语言路点策略 VLX-Go：先在 19,532 条 oracle 轨迹上依次完成视觉-语言对齐、多模态推理中期训练与跟踪专门化。完整多阶段流程将干扰物跟踪成功率从早前 OmTrackVLA 模型的 41.54% 提升至 55.80%。 报告还称，一项初步研究在此基础上再提升 2.42 个百分点至 58.22%，同时将碰撞率降低 1.99 个百分点。该策略的核心假设是视觉与语言表征应在学习跟踪专门动作之前完成对齐。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。