C

Cogact Large

由CogACT開發
CogACT是一種基於視覺語言模型(VLM)衍生的新型高級視覺語言動作(VLA)架構,專為機器人操作設計。
下載量 122
發布時間 : 11/30/2024

模型概述

CogACT是一種組件化的視覺語言動作模型,通過專用動作模塊以視覺語言模型輸出為條件,預測機器人動作。支持零樣本應用於預訓練數據集中出現的機器人配置,也可通過少量樣本微調適應新任務。

模型特點

組件化架構
採用分離的視覺、語言和動作模塊,而非簡單改造VLM進行動作預測
自適應動作集成
支持動作反標準化和集成,適應不同數據集統計特性
零樣本遷移能力
可直接應用於Open-X預訓練混合數據集中的機器人配置
少量樣本微調
通過極少量演示樣本即可適應新任務和機器人配置

模型能力

視覺語言理解
機器人動作預測
多模態任務處理
零樣本遷移學習

使用案例

機器人操作
物體抓取與放置
根據語言指令和視覺輸入預測抓取和放置物體的動作序列
可生成16步7自由度的標準化機器人動作
任務導向操作
執行如'將海綿移到蘋果附近'等具體任務指令
通過擴散模型生成精確的動作序列
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase