【顶会精读·CoRL 2024】OpenVLA：开源7B视觉-语言-动作模型（图文公式精读）

OpenVLA 的核心主张是：用**充分的异构机器人操作数据**预训练一个 7B VLA，再用**参数高效微调**快速迁到新机器人/新任务，同时把训练与推理成本压到社区可承受范围。**OpenVLA** 的定位很明确：做一个**开源、7B 量级、可在消费级 GPU 上适配**的 VLA，把“通用机器人操作策略”从“听说过”推进到“能自己跑、能自己改”。- **动作表示**：离散 token vs

TVA与世界模型共创具身智能“类脑想象力”（6）

TVA与世界模型共创具身智能“类脑想象力”（11）