← 视觉 · 语言 · 动作 / 动作分布与效率扩散专家接入视觉语言模型CoRL 2025 · Fig. 2 · p.3 ↗
正式发表 / Vision–Language–Action
DexVLA
DexVLA: Vision-Language Model with Plug-In Diffusion Expert for General Robot Control
CoRL · 2025
关键框架 FRAMEWORK
先独立预训练扩散动作专家,再接入视觉语言模型进行本体对齐与任务学习,用多动作头支持不同机器人。
- 01预训练动作专家
- 02对齐本体与视觉语言
- 03进行任务课程训练
THE IDEA
它在解决什么
先独立预训练扩散动作专家,再接入视觉语言模型进行本体对齐与任务学习,用多动作头支持不同机器人。
WHY READ IT
为什么放在这条路线
与直接用 VLM 预测离散动作的 OpenVLA 对照,它把连续生成能力交给预训练扩散专家,并安排分阶段训练。
READ WITH A QUESTION
读的时候,留意什么
跨本体、少样本和推理频率结果依赖原文数据与硬件;“无需任务适配”只针对对应实验设置。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器