斯坦福、英伟达和伯克利提出具身Test-Time Scaling Law
斯坦福、英伟达与伯克利团队提出 RoboMonkey 框架，揭示具身智能中的 test-time scaling law：在多种 VLA 模型中，动作误差随推理阶段采样数量增加呈幂律下降。通过“生成-验证”范式，结合合成数据训练的动作验证器，在无需重训模型下，真实任务成功率最高提升25%，有效改善抓取、避障等问题，并通过高效引擎实现低延迟部署，为通用机器人提供可扩展路径。来源：https://mp.weixin.qq.com/s/rwItQC4P5cA3VYiqSPtoow
页:
[1]