C

Cogact Base

由CogACT開發
CogACT是一種新型視覺語言動作(VLA)架構,結合視覺語言模型與專用動作模塊,用於機器人操作任務。
下載量 6,589
發布時間 : 11/29/2024

模型概述

CogACT是一種源自視覺語言模型(VLM)的高級視覺語言動作(VLA)架構,通過組件化設計實現語言指令和視覺輸入到機器人動作的轉換。

模型特點

組件化架構
採用分離的視覺、語言和動作模塊設計,而非簡單量化改造VLM
多模態融合
整合視覺、語言和動作模態,實現複雜機器人操作任務
零樣本遷移能力
可零樣本應用於Open-X預訓練混合數據集中的機器人配置
快速適應新任務
通過少量演示樣本即可對新任務和機器人配置進行微調

模型能力

視覺語言理解
機器人動作預測
多模態融合
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
執行復雜任務如"將海綿移到蘋果附近"等指令
通過條件化擴散模型生成精確動作序列
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase