F

Flower Calvin Abc

mbreussによって開発
FlowerVLAはロボット操作タスク向けに事前学習された視覚-言語-動作モデルで、CALVIN ABCデータセットで訓練され、効率的なフローマッチングアーキテクチャを採用し、約10億パラメータのみです。
ダウンロード数 20
リリース時間 : 3/16/2025

モデル概要

FlowerVLAは効率的な視覚-言語-動作フロー戦略モデルで、ロボット操作タスク向けに設計され、マルチモーダルな視覚-言語エンコーディングと新しいTransformerアーキテクチャを組み合わせています。

モデル特徴

効率的なマルチモーダルエンコーディング
Florence-2モデルの半分の構造を使用したマルチモーダル視覚-言語エンコーディングにより、効率的な視覚-言語融合を実現。
フローマッチングアーキテクチャ
新しいTransformerベースのフローマッチングアーキテクチャを使用し、動作生成プロセスを最適化。
軽量設計
約10億パラメータのみで効率的で汎用的な視覚-言語-動作戦略を実現し、リアルタイムロボット操作に適しています。

モデル能力

視覚-言語-動作融合
ロボット操作タスク実行
マルチモーダル入力処理
動作空間予測

使用事例

ロボット技術
CALVIN ABCチャレンジ
CALVIN ABCチャレンジで複雑なロボット操作タスクを実行
現在1位、平均タスク完了長4.54
物体把持
言語指示に基づいて特定の物体を把持
高い成功率
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase